Generation

Iterative Markov chain 사용하며, 생성에 활용되는 조건부 확률분포 $P{\\theta}(x{t-1}|xt)$를 학습시키기 위해 Diffusion Process $q(x_t|x{t-1})$를 활용타 모델과의 두 가지의 차이점이 존재(1) Gaussian

노이즈 추정을 통해 즉각적으로 대응하여 매우 적은 timestep을 통해서도 DDPM을 학습시킬 수 있다.디노이징 스텝을 적게 했을 때도 잘 수행하려면 노이즈 파라미터에 대한 학습 튜닝도 잘 되어 있어야 한다. 때에 맞게 어떤 스텝수가 주어진다 하더라도 그때그때마다 가

Abstact현대 딥러닝 네트워크는 대부분 견고하나 현실에서는 그렇지 않음. 만약 학습데이터 분포와 테스트데이터 분포가 맞지 않으면 성능은 떨어진다. 본 논문에서는 이미지 분류 시 견고함과 불확실성을 향상시킬 수 있는 방법을 제시한다.(AugMix)Augmix : 모델