一、生成模型
在概率统计理论中, 生成模型是指能够随机生成观测数据的模型
GAN
模型因其对抗性训练的本质可能导致训练不稳定以及生成多样性不足VAE
依赖于替代损失Flow
模型必须使用专门的架构来构建可逆变换
扩散模型受非平衡热力学的启发。它们定义了一个扩散步骤的马尔可夫链,逐渐向数据添加随机噪声,然后学习逆转扩散过程,从噪声中构造期望的数据样本。与变分自编码器或流模型不同,扩散模型使用固定的过程进行学习,并且潜在变量具有高维度(与原始数据相同)
在概率统计理论中, 生成模型是指能够随机生成观测数据的模型
GAN
模型因其对抗性训练的本质可能导致训练不稳定以及生成多样性不足VAE
依赖于替代损失Flow
模型必须使用专门的架构来构建可逆变换
扩散模型受非平衡热力学的启发。它们定义了一个扩散步骤的马尔可夫链,逐渐向数据添加随机噪声,然后学习逆转扩散过程,从噪声中构造期望的数据样本。与变分自编码器或流模型不同,扩散模型使用固定的过程进行学习,并且潜在变量具有高维度(与原始数据相同)