去噪自动编码器背后的基础知识

合集 · deepia深度学习 (7)

11:31
动画解释自编码器如是如何工作的及其应用
18:46
潜在空间可视化：PCA、t-SNE、UMAP
20:10
变分自编码器可视化解释
13:54
动画解释深度学习：使用 SimCLR 进行对比学习
14:10
去噪自动编码器背后的基础知识
32:06
直观理解扩散模型：DDPM | 生成式 AI 动画
18:44
基于得分的扩散模型 | 生成式人工智能动画解说

Description

本视频深入探讨了扩散模型及其在AI生成内容中的应用。扩散模型通过向图像添加噪声并逐步学习消除噪声来训练，这一过程背后的秘密是一个1956年首次出现的非凡公式。视频详细解释了图像噪声的来源和类型，以及如何使用深度自动编码器去除噪声。通过流形假设和Tweedie公式，我们了解到神经网络实际上是在近似噪声数据分布的得分，从而将噪声数据投影回干净图像的流形上。
原英文视频地址为：https://www.youtube.com/watch?v=0V96wE7lY4w