Ajout de bruit direct et débruitage inverse
Ajoutez du bruit, puis apprenez à le supprimer.
Ajout de bruit direct et débruitage inverse est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Two Directions of Diffusion
A diffusion model works in two directions: it slowly adds noise to an image, then learns to walk that process back to a clean picture. 🌫️
Forward Noising
The forward process is fixed and needs no learning. It just keeps mixing tiny bits of Gaussian noise into your image, step after step.
From Picture to Static
After enough steps the image becomes pure random noise, looking just like TV static with no trace of the original left.
Timesteps Control the Mix
A timestep t says how far along the noising you are. Small t means a clear image; large t means almost total noise.
Noise One Image
You can jump straight to any timestep by blending the image with noise in one shot, no loop needed.
x_t = sqrt_alpha * x_0 + sqrt_one_minus_alpha * noiseThe Noise Schedule
A schedule decides how much noise each step adds. Early steps barely change the image; later steps drown it quickly.
Reverse Denoising
The reverse process is the part we train: start from static and remove a little noise at each step until an image appears.
The Model Predicts Noise
The clever trick: the network does not paint a picture. It predicts the noise that was added, so we can subtract it away.
Many Small Steps
Denoising happens over many steps, each undoing a small amount. Patience here is what makes the final image so sharp.
Why It Trains So Well
Because the forward process is known, you always have a perfect noise target. That makes the training signal clean and stable.
Generation Starts from Noise
To create something new, you simply feed in fresh random noise and let the reverse steps sculpt it into a brand-new sample. ✨
Quick Check
What does a diffusion network actually learn to predict?
Recap
Diffusion adds noise forward and learns to denoise backward. Train it to predict noise, then start from static to generate fresh images. 🎉
Questions Fréquemment Posées
La leçon « Ajout de bruit direct et débruitage inverse » est-elle gratuite ?
Oui — le texte complet de « Ajout de bruit direct et débruitage inverse » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Ajout de bruit direct et débruitage inverse » ?
Ajoutez du bruit, puis apprenez à le supprimer. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Ajout de bruit direct et débruitage inverse » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Ajout de bruit direct et débruitage inverse
- Prédire le bruit avec un U-Net
- Calendriers d’échantillonnage et guidage
- Exécuter un pipeline avec Diffusers