Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Modèle de Diffusion à Débruitage
Architecture générative où les données sont progressivement corrompues par l'ajout de bruit gaussien, puis restaurées en apprenant à inverser ce processus de diffusion. Ces modèles excellent dans la génération d'images de haute qualité en débruitant itérativement des échantillons aléatoires.
Marche Aléatoire Diffusive
Modèle mathématique décrivant l'évolution des données dans l'espace latent par accumulation successive d'incréments aléatoires gaussiens. Cette formulation permet une caractérisation analytique du processus de corruption et de ses propriétés statistiques.
Débruitage Itératif
Procédure générative appliquant successivement des étapes de débruitage sur un horizon temporel inversé pour reconstruire les données à partir du bruit initial. Chaque itération raffine progressivement la qualité de l'échantillon généré en éliminant une partie du bruit résiduel.
Borne de Variation Inférieure
Objectif variationnel optimisé lors de l'entraînement des modèles de diffusion, garantissant une borne inférieure sur la log-vraisemblance des données. Cette formulation permet une estimation stable et efficace des paramètres du processus de diffusion reverse.
Rééchantillonnage Langevin
Technode d'échantillonnage basée sur la dynamique de Langevin utilisant les estimations de score pour explorer la distribution de données cible. Cette méthode constitue la base théorique du processus de débruitage dans les modèles de diffusion modernes.