会员服务
扩散模型是近年来快速发展并得到广泛关注的生成模型。它通过一系列的加噪和去噪过程，在复杂的图像分布和高斯分布之间建立联系，使得模型最终能将随机采样的高斯噪声逐步去噪得到一张图像。
Proof-of-Authorship for Diffusion-based AI Generated Content
Proof-of-Authorship for Diffusion-based AI Generated Content
Arxiv
0+阅读 · 3月18日
Physics-guided diffusion models for inverse design of disordered metamaterials
Arxiv
0+阅读 · 3月17日
Masked Auto-Regressive Variational Acceleration: Fast Inference Makes Practical Reinforcement Learning
Arxiv
0+阅读 · 3月17日
TAUE: Training-free Noise Transplant and Cultivation Diffusion Model
Arxiv
0+阅读 · 3月17日
Generating solution paths of Markovian stochastic differential equations using diffusion models
Arxiv
0+阅读 · 3月16日
Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning
Arxiv
0+阅读 · 3月16日
Latent diffusion models for parameterization and data assimilation of facies-based geomodels
Arxiv
0+阅读 · 3月12日
Losing dimensions: Geometric memorization in generative diffusion
Arxiv
0+阅读 · 3月11日
Not Like Transformers: Drop the Beat Representation for Dance Generation with Mamba-Based Diffusion Model
Arxiv
0+阅读 · 3月9日
Accelerating Diffusion Models for Generative AI Applications with Silicon Photonics
Arxiv
0+阅读 · 3月8日
HOG-Diff: Higher-Order Guided Diffusion for Graph Generation
Arxiv
0+阅读 · 3月12日
Concept-TRAK: Understanding how diffusion models learn concepts through concept-level attribution
Arxiv
0+阅读 · 3月2日
Training-Free Safe Denoisers for Safe Use of Diffusion Models
Arxiv
0+阅读 · 2月23日
Diffusion Models in Recommendation Systems: A Survey
Arxiv
0+阅读 · 2月28日
Training-Free Rate-Distortion-Perception Traversal With Diffusion
Arxiv
0+阅读 · 3月4日
参考链接
微信扫码咨询专知VIP会员
Top