Forward Noising और Reverse Denoising

एक प्रसरण मॉडल दो दिशाओं में काम करता है: यह धीरे-धीरे छवि में शोर जोड़ता है, फिर उस प्रक्रिया को उलटकर साफ़ चित्र बनाना सीखता है। 🌫️

आगे की प्रक्रिया पहले से तय होती है और इसमें किसी प्रशिक्षण की आवश्यकता नहीं होती। यह हर चरण में आपकी छवि में गॉसियन शोर की थोड़ी-थोड़ी मात्रा मिलाती रहती है।

पर्याप्त चरणों के बाद छवि पूरी तरह यादृच्छिक शोर बन जाती है और मूल छवि का कोई निशान न रहते हुए टीवी के स्थिर शोर जैसी दिखती है।

समय-चरण t बताता है कि शोर जोड़ने की प्रक्रिया में आप कितनी दूर तक पहुँच चुके हैं। छोटा t साफ़ छवि दर्शाता है, जबकि बड़ा t लगभग पूरा शोर दर्शाता है।

आप छवि को एक ही बार में शोर के साथ मिलाकर सीधे किसी भी समय-चरण पर जा सकते हैं; किसी लूप की आवश्यकता नहीं होती।

एक क्रम तय करता है कि हर चरण में कितना शोर जोड़ा जाएगा। शुरुआती चरण छवि को बहुत कम बदलते हैं, जबकि बाद के चरण उसे तेज़ी से ढक देते हैं।

उल्टी प्रक्रिया वह भाग है जिसका हम प्रशिक्षण करते हैं: स्थिर शोर से शुरू करके हर चरण में थोड़ा-थोड़ा शोर हटाया जाता है, जब तक कि छवि दिखाई न देने लगे।

चतुर युक्ति यह है कि नेटवर्क चित्र नहीं बनाता। वह जोड़ा गया शोर अनुमानित करता है, ताकि हम उसे घटा सकें।

शोर हटाने की प्रक्रिया कई चरणों में होती है और हर चरण थोड़ी मात्रा को उलटता है। यही धैर्य अंतिम छवि को इतना स्पष्ट बनाता है।

क्योंकि आगे की प्रक्रिया ज्ञात होती है, इसलिए आपके पास हमेशा शोर का सटीक लक्ष्य होता है। इससे प्रशिक्षण संकेत साफ़ और स्थिर रहता है।

कुछ नया बनाने के लिए बस नया यादृच्छिक शोर दें और उल्टे चरणों को उसे एक बिल्कुल नए नमूने में ढालने दें। ✨

प्रसरण आगे की दिशा में शोर जोड़ता है और पीछे की दिशा में शोर हटाना सीखता है। इसे शोर का अनुमान लगाने के लिए प्रशिक्षित करें, फिर नई छवियाँ बनाने के लिए स्थिर शोर से शुरू करें। 🎉