« Modèle à bruit statistique » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== | == Définition == | ||
[[Modèle génératif]] qui est obtenu par [[apprentissage automatique]], au cours duquel est éliminé le bruit statistique préalablement ajouté aux données du jeu de [[données d'entraînement]] et qui produit des contenus graphiques ou audio nouveaux. | |||
== | |||
== Complément == | |||
Les modèles de diffusion sont des [[modèle génératif|modèles génératifs]], ce qui signifie qu'ils sont utilisés pour générer des données similaires aux données sur lesquelles ils ont été entraînés. Fondamentalement, les modèles de diffusion fonctionnent en détruisant les [[données d'entraînement]] par l'ajout successif de bruit statistique, puis en apprenant à récupérer les données en inversant ce processus de bruitage. | |||
L'instruction générative donnée à un modèle à bruit statistique peut être une image assortie d'un texte spécifiant par exemple l'application d'un style ou l'ajout d'un élément dans la composition du contenu à produire. | |||
== Français == | == Français == | ||
''' modèle à bruit statistique | ''' modèle à bruit statistique ''' | ||
'''modèle de diffusion''' | |||
'''modèle de diffusion probabiliste''' | |||
== Anglais == | == Anglais == | ||
| Ligne 12 : | Ligne 21 : | ||
'''diffusion probabilistic model''' | '''diffusion probabilistic model''' | ||
'''latent diffusion model | '''latent diffusion model''' | ||
'''LDM''' | |||
'''score-based generative model''' | '''score-based generative model''' | ||
== Source == | == Source == | ||
[https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : legifrance ] | [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : legifrance ] | ||
[https://en.wikipedia.org/wiki/Diffusion_model Source : Wikipedia] | |||
[[Catégorie: | [[Catégorie:Publication]] | ||
Version du 15 octobre 2024 à 15:07
Définition
Modèle génératif qui est obtenu par apprentissage automatique, au cours duquel est éliminé le bruit statistique préalablement ajouté aux données du jeu de données d'entraînement et qui produit des contenus graphiques ou audio nouveaux.
Complément
Les modèles de diffusion sont des modèles génératifs, ce qui signifie qu'ils sont utilisés pour générer des données similaires aux données sur lesquelles ils ont été entraînés. Fondamentalement, les modèles de diffusion fonctionnent en détruisant les données d'entraînement par l'ajout successif de bruit statistique, puis en apprenant à récupérer les données en inversant ce processus de bruitage.
L'instruction générative donnée à un modèle à bruit statistique peut être une image assortie d'un texte spécifiant par exemple l'application d'un style ou l'ajout d'un élément dans la composition du contenu à produire.
Français
modèle à bruit statistique
modèle de diffusion
modèle de diffusion probabiliste
Anglais
diffusion model
diffusion probabilistic model
latent diffusion model
LDM
score-based generative model
Source
Contributeurs: Patrick Drouin, wiki
