值得你花時間看的擴散模型教程，來自普渡大學(xué)
擴散模型（Diffusion Model）是圖像生成模型的一種。有別于此前 AI 領(lǐng)域大名鼎鼎的 GAN、VAE 等算法，擴散模型另辟蹊徑，其主要思想是一種先對圖像增加噪聲，再逐步去噪的過程，其中如何去噪還原圖像是算法的核心部分。而它的最終算法能夠從一張隨機的噪聲圖像中生成圖像。
近年來，生成式 AI 的驚人增長為文本到圖像生成、視頻生成領(lǐng)域等許多令人興奮的應(yīng)用提供了支持。這些生成工具背后的基本原理是擴散的概念，這是一種特殊的采樣機制，克服了以前的方法中被認(rèn)為難以解決的一些缺點。
最近，來自普渡大學(xué)的 Stanley H. Chan 發(fā)布了一份擴散模型的教程《Tutorial on Diffusion Models for Imaging and Vision》，對該方向技術(shù)進行了直觀詳盡的解釋。
本教程的目標(biāo)是討論擴散模型的基本思想，目標(biāo)受眾包括對擴散模型研究，或應(yīng)用這些模型正在解決其他問題的本科生和研究生。
文章鏈接：https://arxiv.org/abs/2403.18103
該教程包括四個部分，涵蓋了最近研究文獻中支持?jǐn)U散生成模型的一些基本概念：變分自編碼器（VAE）、DDPM（Denoising Diffusion Probabilistic Models）、SMLD（Score Matching with Langevin Dynamics）和 SDE，從多個角度獨立導(dǎo)出了相同的擴散思想，共長 50 頁。
作者介紹
這篇教程的作者是美國普渡大學(xué)電氣與計算機工程學(xué)院和統(tǒng)計學(xué)系 Elmore 副教授 Stanley H. Chan。
Stanley Chan 2007 年在香港大學(xué)獲得學(xué)士學(xué)位，2009 年、2011 年分別在加州大學(xué)圣地亞哥分校獲得數(shù)學(xué)碩士學(xué)位和電氣工程博士學(xué)位。2012 年至 2014 年在哈佛大學(xué)約翰?A?保爾森工程與應(yīng)用科學(xué)學(xué)院擔(dān)任博士后研究員。2014 年加入普渡大學(xué)。
Stanley Chan 主要從事計算成像研究。他的研究任務(wù)是通過共同設(shè)計傳感器和算法來構(gòu)建智能相機，以實現(xiàn)在所有成像條件下的可視性。
Stanley Chan 還多次獲得論文獎項，包括 2022 年 IEEE 信號處理學(xué)會（SPS）最佳論文獎、2016 年 IEEE 國際圖像處理會議（ICIP）最佳論文獎等等。
本文轉(zhuǎn)自 機器之心，作者：機器之心
