مدلهای انتشار یا Diffusion با یادگیری فرایند معکوس اضافهکردن نویز به داده کار میکنند. ابتدا دادههای واقعی را به تدریج نویزی میکنند و سپس یاد میگیرند چگونه این نویز را مرحلهبهمرحله حذف کنند. در نتیجه، مدل قادر میشود از نویز خالص تصویری با جزئیات واقعی بسازد. این روش برخلاف GAN پایدارتر است و نتایج دقیقتری دارد. به همین دلیل در تولید تصاویر هنری بسیار محبوب شده است.
برای مشاهدهٔ ادامه، خرید کنید
دسترسی سریع و فوری