Aggiunta progressiva e rimozione del rumore
Aggiunga rumore e impari poi a rimuoverlo
Aggiunta progressiva e rimozione del rumore è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Due direzioni della diffusione
Un modello di diffusione funziona in due direzioni: aggiunge lentamente rumore a un'immagine, poi impara a invertire il processo per tornare a un'immagine nitida. 🌫️
Aggiunta progressiva del rumore
Il processo forward è fisso e non richiede apprendimento. Continua semplicemente a mescolare piccole quantità di rumore gaussiano nell'immagine, un passaggio alla volta.
Dall'immagine al rumore
Dopo un numero sufficiente di passaggi, l'immagine diventa rumore casuale puro, simile alla neve televisiva, senza più alcuna traccia dell'originale.
I timestep controllano la miscela
Un timestep t indica a che punto del processo di aggiunta del rumore ci si trova. Un t piccolo indica un'immagine nitida; un t grande indica quasi solo rumore.
Aggiungere rumore a un'immagine
Può passare direttamente a qualunque timestep mescolando immagine e rumore in un'unica operazione, senza bisogno di un ciclo.
x_t = sqrt_alpha * x_0 + sqrt_one_minus_alpha * noiseIl noise schedule
Uno schedule stabilisce quanto rumore aggiungere a ogni passaggio. I primi passaggi modificano appena l'immagine; quelli successivi la sommergono rapidamente.
Rimozione inversa del rumore
Il processo reverse è la parte che addestriamo: si parte dalla neve televisiva e si rimuove un po' di rumore a ogni passaggio, finché compare un'immagine.
Il modello predice il rumore
Il trucco consiste nel fatto che la rete non dipinge un'immagine. Predice il rumore aggiunto, così possiamo sottrarlo.
Molti piccoli passaggi
La rimozione del rumore avviene in molti passaggi, ognuno dei quali annulla una piccola quantità di rumore. La pazienza è ciò che rende così nitida l'immagine finale.
Perché si addestra così bene
Poiché il processo forward è noto, si dispone sempre di un target di rumore perfetto. Il segnale di addestramento risulta quindi pulito e stabile.
La generazione parte dal rumore
Per creare qualcosa di nuovo, basta fornire nuovo rumore casuale e lasciare che i passaggi inversi lo trasformino in un campione completamente nuovo. ✨
Verifica rapida
Che cosa impara effettivamente a predire una rete di diffusione?
Riepilogo
La diffusione aggiunge rumore in avanti e impara a rimuoverlo all'indietro. La si addestra a predire il rumore, poi si parte dalla neve televisiva per generare immagini nuove. 🎉
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Aggiunta progressiva e rimozione del rumore» è gratuita?
Sì — il testo completo di «Aggiunta progressiva e rimozione del rumore» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Aggiunta progressiva e rimozione del rumore»?
Aggiunga rumore e impari poi a rimuoverlo Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Aggiunta progressiva e rimozione del rumore»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Aggiunta progressiva e rimozione del rumore
- Predire il rumore con una U-Net
- Scheduler di campionamento e guidance
- Eseguire una pipeline con Diffusers