책 소개
DIFFUSION MODEL을 다양한 분야에 적용하는 방법을 포괄적으로 소개하며, AIGC（AI Generated Content: 인공지능 생성 콘텐츠）와 관련 기술, 확산 모델의 기초, 확산 모델의 효율적인 샘플링, 확산 모델의 가능성 극대화, 특수 구조를 가진 데이터에 확산 모델 적용, 확산 모델과 다른 생성 모델과의 상관관계, 확산 모델의 응용, 확산 모델의 미래 등을 다루며, 확산 모델의 주요 연구 분야를 파악하는 데 도움이 될 것이다.
목차펼치기접기
1장. AIGC 및 관련 기술 1.1 AIGC 소개 1.2 확산 모델링 소개 2장. 확산 모델링의 기초 2.1 노이즈 제거 확산 확률 모델 2.2 스코어 기반 생성 모델 2.3 확률 미분 방정식 2.4 확산 모델의 아키텍처 3장. 확산 모델링을 위한 효율적인 샘플링 3.1 미분 방정식 3.2 결정론적 샘플링 3.3 학습 기반 샘플링 4장. 확산 모델에 대한 우도 극대화 4.1 우도 함수 최대화하기 4.2 노이즈 추가 전략의 최적화 4.3 역 분산 학습 4.4 정확한 로그 우도 추정 5장. 특수한 구조의 데이터에 확산 모델링 적용하기 5.1 불연속형 데이터 5.2 불변 구조의 데이터 5.3 스트리밍 구조의 데이터 6장. 다른 생성 모델과 관련된 확산 모델 6.1 다양한 자동 인코더 및 확산 모델 6.2 적대 신경망 및 확산 모델 생성하기 6.3 정규화된 흐름 및 확산 모델 6.4 자동 회귀 및 확산 모델 6.5 에너지 기반 모델 및 확산 모델 7장. 확산 모델링 적용 7.1 무조건 확산 모델과 조건부 확산 모델 비교 7.2 컴퓨터 비전 7.3 자연어 처리 7.4 시간적 데이터 모델링 7.5 멀티모달 학습 7.6 강건 학습 7.7 융합 애플리케이션 8장. 확산 모델링의 미래 -GPT와 대형 모델 8.1 사전 학습 기법 소개 8.2 GPT 및 대형 모델 8.3 GPT 및 대형 모델 기반 확산 모델링
출처: 국립중앙도서관 서지정보
리뷰 남기기
로그인하면 리뷰를 남길 수 있어요.
리뷰 0개
아직 리뷰가 없어요.