タグ
#画像生成の記事一覧
3件の記事があります。
推論最適化
DDIMとは？追加学習なしで拡散モデルの生成ステップを減らす技術
DDIMは、学習済み拡散モデルのノイズ予測器を再利用し、生成時の更新則と時刻の選び方で画像生成を高速化する技術です。決定論的サンプリングの仕組み、FIDの比較、プレビューや画像編集への応用と限界を解説します。
参照論文：Denoising Diffusion Implicit Models
画像・動画生成
VARとは？粗い画像から細部へ並列生成し、画像生成を高速化する次スケール予測
VARは、画像を粗い解像度から高解像度へ段階的に生成するVisual Autoregressive Modelingです。次スケール予測の仕組み、VQトークナイザ、ImageNetでの結果、画像生成開発への使い道を解説します。
参照論文：Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction
画像・動画生成
Representation Autoencodersとは？VAEに頼らずDiffusion Transformerの潜在空間を高品質化する画像生成技術
Representation Autoencodersは、DINOv2などの事前学習済み表現エンコーダを画像生成用の潜在空間として使い、Diffusion Transformerの収束速度と生成品質を改善する技術です。仕組み、実験結果、AI開発への応用を解説します。
参照論文：Diffusion Transformers with Representation Autoencoders