İleri Gürültüleme ve Ters Gürültü Giderme

Bir difüzyon modeli iki yönde çalışır: bir görüntüye yavaşça gürültü ekler, ardından bu süreci tersine çevirerek temiz bir görüntü elde etmeyi öğrenir. 🌫️

İleri süreç sabittir ve öğrenme gerektirmez. Görüntünüze her adımda küçük miktarlarda Gauss gürültüsü ekleyerek bunları sürekli karıştırır.

Yeterli sayıda adımdan sonra görüntü, geriye özgün görüntüden hiçbir iz bırakmadan TV paraziti gibi görünen saf rastgele gürültüye dönüşür.

Bir zaman adımı t, gürültü ekleme sürecinin ne kadar ilerlediğini belirtir. Küçük t net bir görüntü, büyük t ise neredeyse tamamen gürültü anlamına gelir.

Görüntüyü gürültüyle tek seferde harmanlayarak doğrudan istediğiniz zaman adımına geçebilirsiniz; döngüye gerek yoktur.

Bir zamanlama, her adımda ne kadar gürültü ekleneceğine karar verir. İlk adımlar görüntüyü çok az değiştirir; sonraki adımlar ise onu hızla gürültüye boğar.

Ters süreç, eğittiğimiz kısımdır: parazitle başlayıp bir görüntü ortaya çıkana kadar her adımda biraz gürültüyü kaldırırız.

Akıllıca olan şu: ağ bir görüntü çizmez. Eklenen gürültüyü tahmin eder, böylece onu çıkarabiliriz.

Gürültü giderme, her biri küçük bir miktarı geri alan çok sayıda adımda gerçekleşir. Son görüntüyü bu kadar keskin yapan şey, burada gösterilen sabırdır.

İleri süreç bilindiği için her zaman kusursuz bir gürültü hedefiniz olur. Bu da eğitim sinyalini temiz ve kararlı hâle getirir.

Yeni bir şey oluşturmak için yeni rastgele gürültü vermeniz ve ters adımların bunu yepyeni bir örneğe dönüştürmesine izin vermeniz yeterlidir. ✨

Bir difüzyon ağı gerçekte neyi tahmin etmeyi öğrenir?

Difüzyon ileri yönde gürültü ekler ve geriye doğru gürültü gidermeyi öğrenir. Gürültüyü tahmin etmesi için eğitin, ardından yeni görüntüler üretmek için parazitle başlayın. 🎉