DDPM之反向传播

发布时间：2024年01月09日
  • 反向过程：由噪声状态恢复到数据状态的过程
  • 这一过程可以用条件概率p(\mathbf{x}_{t-1}|\mathbf{x}_t)来描述
    • x_{t-1}是在时间步 t?1 想要恢复的数据状态。
    • x_{t} 是在时间步 t 的当前噪声状态。
    • 条件概率 p 服从高斯分布：p(\mathbf{x}_{t-1}|\mathbf{x}_t)=\mathcal{N}(\mathbf{x}_{t-1};\mu(\mathbf{x}_t,t),\sigma_t^2\mathbf{I})
  • ?条件概率p(\mathbf{x}_{t-1}|\mathbf{x}_t)=\mathcal{N}(\mathbf{x}_{t-1};\mu(\mathbf{x}_t,t),\sigma_t^2\mathbf{I})
    • \mu(\mathbf{x}_t,t) 是模型根据当前噪声状态 xt? 和时间步 t 估计的均值
    • \sigma_t^2是估计的方差
    • \mu(\mathbf{x}_t,t)和\sigma_t^2是由模型学习得到的，目的是最大程度地还原出原始数据。

文章来源:https://blog.csdn.net/SmartDemo/article/details/135488005
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章