AI 용어집
인공지능 완전 사전
Processus de diffusion forward
Processus markovien qui ajoute progressivement du bruit gaussien aux données d'entrée sur plusieurs étapes temporelles, transformant une distribution complexe en distribution normale.
Processus de diffusion reverse
Processus inverse qui apprend à débruiter progressivement les données en estimant le gradient de log-probabilité de la distribution de données à chaque pas de temps.
Score matching
Technique d'optimisation permettant d'estimer le gradient du log-vraisemblance (score) sans nécessiter le calcul de la constante de normalisation de la distribution.
Paramètre de bruit
Fonction déterminant la variance du bruit gaussien ajouté à chaque étape du processus forward, variant linéairement ou selon un cosinus pour contrôler la progression du bruitage.
Pas de temps
Variable discrète représentant l'étape temporelle dans le processus de diffusion, allant de 0 (données originales) à T (bruit pur) pour le forward process.
Encodeur de bruit
Réseau neuronal appris à prédire le bruit ajouté aux données à un pas de temps donné, permettant la reconstruction des données originales par soustraction du bruit prédit.
Débruitage conditionnel
Extension du processus de diffusion où le modèle génère des données conditionnées à des informations supplémentaires comme du texte, des images ou des classes spécifiques.
Espace latent de diffusion
Variante des modèles de diffusion opérant dans un espace latent compressé par un auto-encodeur, réduisant significativement les coûts computationnels tout en préservant la qualité générative.
Mécanisme d'attention croisée
Module d'attention permettant aux modèles de diffusion conditionnels d'intégrer des informations externes (prompts textuels) dans le processus de génération via des interactions inter-modales.
Estimateur de score
Modèle neuronal entraîné à approximer le gradient du log-vraisemblance de la distribution de données, essentiel pour guider le processus de génération dans les modèles de diffusion.
Échantillonnage DDPM
Méthode d'échantillonnage stochastique originale pour les modèles de diffusion, utilisant un processus markovien avec bruit gaussien à chaque étape de débruitage.
Échantillonnage DDIM
Variante déterministe plus rapide de l'échantillonnage DDPM permettant de générer des échantillons de haute qualité avec beaucoup moins d'étapes de débruitage.
Guidance par classification
Technique utilisant un classifieur pré-entraîné pour guider le processus de génération vers des classes spécifiques en modifiant le gradient de débruitage selon les probabilités de classe.
Guidance par classifier-free
Méthode alternative à la guidance par classification évitant l'entraînement séparé d'un classifieur, en utilisant un modèle conditionnel et non-conditionnel simultanément pour la guidance.
Pas de débruitage
Itération individuelle du processus reverse où le modèle applique une transformation de débruitage pour passer d'un état bruité à un état moins bruité.
Temps d'inférence
Durée nécessaire pour générer un échantillon complet, dépendant principalement du nombre de pas de débruitage utilisés dans le processus de diffusion reverse.
Fréquence de Nyquist en diffusion
Concept théorique lié à la préservation des hautes fréquences dans les modèles de diffusion, crucial pour maintenir les détails fins lors du processus de génération d'images.