gaobowen

摘要： 【待完成】。。。 介绍 推理时引导的方法中，也可以分为分类器引导（CG）和无分类器引导（CFG）两大类，后者是现代扩散模型的主流。 原理 CFG 的核心逻辑正是通过结合这两次预测的结果来增强条件信号的影响力。其常用公式为： 噪声预测 = 无条件预测 + 引导强度 × (条件预测 - 无条件预测) 其 阅读全文

摘要： Flow Matching 概率密度的变量变换定理 概率密度的变量变换定理可以通过累积分布函数的求导推导出来，核心思想是利用变换前后的概率分布等价性。以下是详细推导过程： 一维情形（\(Y=g(X)\)） 设 \(g\) 可逆、可微，且 \(X\) 的密度为 \(f_X(x)\)。由“概率质量守恒” 阅读全文

摘要： DENOISING DIFFUSION IMPLICIT MODELS (DDIM) 从DDPM中我们知道，其扩散过程(前向过程、或加噪过程)被定义为一个马尔可夫过程，其去噪过程(也有叫逆向过程)也是一个马尔可夫过程。对马尔可夫假设的依赖，导致重建每一步都需要依赖上一步的状态，所以推理需要较多的步长 阅读全文

摘要： Denoising Diffusion Probabilistic Model(DDPM)原理 1. 生成模型对比 记 真实图片为 \(x_0\)，噪声图片为 \(x_t\)，噪声变量 \(z\sim \mathcal{N}(\mu,\sigma^2)\)，噪声变量 \(\varepsilon \s 阅读全文

摘要： 预备知识 范数 范数是一种函数，用来度量向量的大小1。在机器学习、信号处理等领域中，范数常常被用作正则化方法，通过对参数向量的范数进行约束，达到控制模型复杂度、防止过拟合等目的。常见的范数有0范数、1范数、2范数、无穷范数 等，其中0范数表示向量中非零元素的个数，1范数表示为绝对值之和，2范数则指模 阅读全文

摘要： 变分贝叶斯推断 变分原理 《动态最优化基础》中关于 泛函 和 变分 的推导。 Euler-Lagrange方程: \[F_y-\dfrac{d}{dt}F_{y^\prime}=0 \]或者 \[\dfrac{\partial F}{\partial y}-\dfrac{d}{dx}\dfrac{\ 阅读全文

摘要： 简介 Transformer是一种深度学习模型，它在自然语言处理（NLP）领域中非常流行和有效。它最初由Vaswani等人在2017年的论文《Attention is All You Need》中提出。Transformer模型的核心思想是使用自注意力（Self-Attention）机制来处理序列数 阅读全文

摘要： Pytorch 实现 GAN 网络 原理 GAN的基本原理其实非常简单，假设我们有两个网络，G（Generator）和D（Discriminator）。它们的功能分别是： G 是一个生成网络，它接收一个随机的噪声z，通过这个噪声生成伪造数据，记做 G(z)。 D 是一个判别网络，判别数据是不是“真实 阅读全文

摘要： 基于加权平滑过渡的无缝拼接 背景 在做照片数字人视频生成的时候，为了达到快速响应实时播放的需求，即视频的生成速度 必须小于 音频的播放速度。 因此，我们截取了一部分较小的可动区域进行推理生成，然后把生成的图像贴回到原区域。 通常情况下，推理生成图像的 清晰度和色彩 对比 原图 有些许差异，这样导致贴 阅读全文

摘要： WebAssembly 开发环境搭建 简介 WebAssembly 是一种新的编码方式，可以在现代的网络浏览器中运行 － 它是一种低级的类汇编语言，具有紧凑的二进制格式，可以接近原生的性能运行，并为诸如C/C++等语言提供一个编译目标，以便它们可以在 Web 上运行。它也被设计为可以与 JavaSc 阅读全文