什么是扩散模型
✨ 扩散模型是一种基于概率的生成模型。
它和我们直觉中理解的直接生成图像不一样，它的做法是：
👉 从一张随机噪声图出发
👉 一步步“去掉噪声”
👉 直到生成一张清晰的图像
📷 你可以把它想象成一个“反向修复”的过程：
我们拿一张正常的图片，逐步往里加噪声，图像会越来越模糊，直到只剩
博主你好，训练阶段是训练出一个输入加了噪声图像和时间步长的模型，是可以通过神经网络直接得到预测噪声吗，然后再通过损失函数反向传播更新参数，更新完的参数可以使得预测噪声更加接近真实噪声吗，不是很懂这方面知识
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
没有相关内容!
目前谷歌没有明确公开，不过不太可能是单纯扩散模型，猜测应该是一种多模态大语言大模型，可能嵌入了类似扩散模型这样的模块作为其图像生成机制的一部分～
讲一讲流模型呗
加噪实则是为了构造一个训练任务：我们先把清晰图像一步步加噪，模拟它被“破坏”的过程。然后训练模型学会看到一张带噪图，就能推测出混入的噪声。有了这个能力，生成时就可以从纯噪声出发，一步步“减掉”噪声，逐渐生成一张干净的新图像～😊 [g=fadai]
Nano-banana属于哪类模型？
不错，收藏了
收到，我先记下了，之后会安排哈
谢谢，喜爱就好
[g=youhengheng] 是的，训练出来的模型就是用来infer噪声的，即根据输入的一张加了噪声的图片和时间步，infer这个图在这个时间步被加入的真实噪声，然后通过采样算法基于这个噪声从图中去掉一部分噪声
谢谢
讲的真的挺好，本来我还有点迷惑，目前清晰多啦
讲的太好了
谢谢夸奖，能起到协助就好～
小红书少有的讲得很清楚的
赞👍 [g=shuai]
请问为啥要加噪再去噪？就是为了获得噪声吗