Diffusion
1.[Diffusion] DDPM 논문 리뷰: Denoising Diffusion Probabilistic Models
Forward 과정 (순방향 확산) DDPM의 Forward diffusion 단계에서는 원본 데이터에 점진적으로 노이즈를 추가하여 데이터를 점차적으로 파괴합니다. 이 과정은 Markov chain으로 모델링되며, $x0$을 데이터 분포에서 뽑은 샘플이라고 할 때 $x
2.[Diffusion] DDIM 논문 리뷰: DENOISING DIFFUSION IMPLICIT MODELS
한동안 면접 러쉬로 인해 중단되었던 공부를 재개.. 잠시 정리를 미루어놓았던 DDIM과 Flow Matching 논문을 일단 정리해놓아야겠다.DDIM은 사실상 DDPM에 수식 장난질을 추가한 것이기 때문에DDPM 논문 리뷰 를 보고 오세요..사실 DDIM의 실제 구현만
3.[Diffusion] LDM 논문 리뷰: High-Resolution Image Synthesis with Latent Diffusion Models
Stable Diffusion에서 사용한 모델들의 백본구조로 활용된 모델에 대한 2022년 논문논문: https://arxiv.org/abs/2112.10752깃헙: https://github.com/CompVis/latent-diffusionLate
4.[Diffusion] Stable Diffusion 3 논문 리뷰: Scaling Rectified Flow Transformers for High-Resolution Image Synthesis
LDM 의 전반적인 컨셉 자체는 좋아하는데, 논문 자체에 활용된 기술들이 꽤 오래됐다보니 실질적으로 적용하기엔 까다롭다. 아니 2022년 논문이었는데 시간도 빠르지만 기술도 너무 빠르다. 카티 앨범이 2020이었는데 음악보다 트렌드가 빠르다 미친암튼 기존 LDM 형태에
5.[Diffusion] Flow Matching 논문 리뷰: Flow Matching for Generative Modeling
면접도 보고 잠시 휴식기를 좀 가졌읍니다... 맨날 쉬네어쨌든 미루어 두었던 Flow Matching 논문으로 진행Flow Matching이 Diffusion과는 다르지만 구현방식 자체에서는 큰 차이가 없어서 아마 기존에 diffusion 방식으로 학습/생성 하는 모델