Генеративный ИИ
От суждения «что это» к синтезу «каким это должно быть»
OVERVIEW
- Все статьи
- 6
- Начальный
- 2
- Средний
- 3
- Экспертный
- 1
A generative model is not content with labelling a sample; it must produce the sample itself. Autoencoders, GANs, diffusion models and autoregressive models are four principal routes, each giving a precise mathematical formulation to the vague goal of “looking real” — and each now underpinning image, video, speech and 3D content production.
Вопросы, на которые отвечает эта область
- Q1
What distribution is a generative model learning?
- Q2
Why is diffusion more stable than a GAN?
- Q3
How does a text prompt become an image?
Статьи этой области
- 01Обзор порождающих моделейНачальныйДискриминативные модели отвечают «что это», порождающие — «как это должно выглядеть»
- 02Автоэнкодеры и вариационные автоэнкодерыСреднийСжать информацию через «бутылочное горлышко», а затем восстановить её
- 03Генеративно-состязательные сетиНачальныйФальшивомонетчик против эксперта: каждый доводит другого до предела
- 04Диффузионные моделиСреднийНаучитесь тысяче мелких шагов удаления шума — и соберёте изображение из чистого шума
- 05Диффузия в латентном пространстве и условное управлениеЭкспертныйПроводить диффузию не по пикселям, а внутри сжатого смыслового пространства
- 06Мультимодальная генерацияСреднийОдна модель учится говорить, рисовать, двигаться — и даже моделировать трёхмерный мир