SchlüsselarbeitOriginalarbeiterreichbar
Deep Unsupervised Learning using Nonequilibrium Thermodynamics
Sohl-Dickstein und Mitautoren beschreiben am 12.03.2015 das Verfahren, auf dem die bekannten Bildmodelle der folgenden Jahre stehen: Struktur in den Daten wird schrittweise zerstört, und ein Netz lernt den Rückweg. Wer den Rückweg kann, fängt bei Rauschen an und bekommt ein Bild. Brauchbare Bildqualität brachte erst der Umbau der Trainingsvorschrift gut fünf Jahre später, siehe ddpm-2020.
geprüft 24.09.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 07.08.2026:
The essential idea, inspired by non-equilibrium statistical physics, is to systematically and slowly destroy structure in a data distribution through an iterative forward diffusion process.
bestätigt 24.09.2026We then learn a reverse diffusion process that restores structure in data, yielding a highly flexible and tractable generative model of the data.
bestätigt 24.09.2026
KI-GeschichteDiffusion im Glossar14 Ein Bild, das es vorher nicht gab