Dodawanie szumu w przód i odszumianie wsteczne
Dodawać szum, a następnie uczyć model jego usuwania
Dodawanie szumu w przód i odszumianie wsteczne to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Dwa kierunki dyfuzji
Model dyfuzyjny działa w dwóch kierunkach: powoli dodaje szum do obrazu, a następnie uczy się odwracać ten proces, aby odzyskać czysty obraz. 🌫️
Dodawanie szumu w kierunku prostym
Proces prosty jest ustalony i nie wymaga uczenia. Polega na stopniowym mieszaniu z obrazem niewielkich ilości szumu gaussowskiego.
Od obrazu do zakłóceń
Po wystarczającej liczbie kroków obraz staje się czystym szumem losowym, przypominającym zakłócenia telewizyjne, bez śladu oryginału.
Kroki czasowe sterują mieszaniem
Krok czasowy t określa, jak daleko zaszedł proces dodawania szumu. Mała wartość t oznacza wyraźny obraz, a duża — niemal całkowity szum.
Dodawanie szumu do jednego obrazu
Można od razu przejść do dowolnego kroku czasowego, jednorazowo mieszając obraz z szumem — bez potrzeby wykonywania pętli.
x_t = sqrt_alpha * x_0 + sqrt_one_minus_alpha * noiseHarmonogram szumu
Harmonogram określa, ile szumu jest dodawane w każdym kroku. Wczesne kroki prawie nie zmieniają obrazu, a późniejsze szybko go zalewają.
Usuwanie szumu w kierunku odwrotnym
Proces odwrotny to część, której uczymy model: zaczynamy od zakłóceń i w każdym kroku usuwamy odrobinę szumu, aż pojawi się obraz.
Model przewiduje szum
Pomysłowa sztuczka polega na tym, że sieć nie maluje obrazu. Przewiduje szum, który został dodany, aby można go było odjąć.
Wiele małych kroków
Usuwanie szumu odbywa się w wielu krokach, z których każdy cofa niewielką jego ilość. To właśnie cierpliwość na tym etapie sprawia, że końcowy obraz jest tak ostry.
Dlaczego model tak dobrze się uczy
Ponieważ proces prosty jest znany, zawsze dysponujemy idealnym celem w postaci szumu. Dzięki temu sygnał uczenia jest czysty i stabilny.
Generowanie zaczyna się od szumu
Aby utworzyć coś nowego, wystarczy podać świeży szum losowy i pozwolić, by kolejne kroki procesu odwrotnego ukształtowały go w zupełnie nową próbkę. ✨
Szybkie sprawdzenie
Czego model dyfuzyjny faktycznie uczy się przewidywać?
Podsumowanie
Dyfuzja dodaje szum w kierunku prostym i uczy się go usuwać w kierunku odwrotnym. Model uczy się przewidywać szum, a następnie zaczyna od zakłóceń, aby generować nowe obrazy. 🎉
Często zadawane pytania
Czy lekcja „Dodawanie szumu w przód i odszumianie wsteczne” jest bezpłatna?
Tak — pełny tekst „Dodawanie szumu w przód i odszumianie wsteczne” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Dodawanie szumu w przód i odszumianie wsteczne”?
Dodawać szum, a następnie uczyć model jego usuwania Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Dodawanie szumu w przód i odszumianie wsteczne”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Dodawanie szumu w przód i odszumianie wsteczne
- Przewidywać szum za pomocą U-Neta
- Harmonogramy próbkowania i guidance
- Uruchomić pipeline za pomocą Diffusers