डीडीपीएम और डीडीआईएम सैम्पलर्स
डीडीपीएम और डीडीआईएम प्रसार मॉडल की रिवर्स प्रक्रिया को चलाने के दो तरीके हैं, जो चरण दर चरण यादृच्छिक शोर को एक छवि में बदलते हैं।
सिंहावलोकन
डीडीपीएम मूल स्टोकेस्टिक नुस्खा है; डीडीआईएम एक तेज़, नियतात्मक शॉर्टकट है जो बहुत कम चरणों में तुलनीय छवियां बनाता है।
गहरा गोता
एक प्रसार मॉडल को छवियों में धीरे-धीरे गॉसियन शोर जोड़कर प्रशिक्षित किया जाता है, फिर उस शोर की भविष्यवाणी करना सीखा जाता है। नमूनाकरण इसे उलट देता है। डीडीपीएम (डीनोइसिंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल्स, हो एट अल. 2020) प्रत्येक शोर स्तर के माध्यम से वापस चलता है, प्रत्येक चरण पर यादृच्छिक शोर का एक ताजा थपका जोड़ता है, इसलिए इसे आमतौर पर सैकड़ों से एक हजार चरणों की आवश्यकता होती है। डीडीआईएम (डीनोइजिंग डिफ्यूजन इम्प्लिसिट मॉडल्स, सॉन्ग एट अल. 2021) बिल्कुल उसी प्रशिक्षित नेटवर्क का पुन: उपयोग करता है लेकिन एक गैर-मार्कोवियन, नियतात्मक प्रक्षेपवक्र का अनुसरण करता है। इंजेक्ट की गई यादृच्छिकता को हटाकर, डीडीआईएम कई टाइमस्टेप्स को छोड़ सकता है और फिर भी 10-50 चरणों में उच्च गुणवत्ता वाली छवि पर पहुंच सकता है। क्योंकि डीडीआईएम नियतिवादी है, वही शुरुआती शोर हमेशा एक ही तस्वीर उत्पन्न करता है, जिससे सहज प्रक्षेप और पुनरुत्पादन सक्षम होता है।
तकनीकी अंतर्दृष्टि
दोनों नमूने एक नेटवर्क का उपयोग करते हैं जो टाइमस्टेप टी पर एक छवि में जोड़े गए शोर ईपीएसलॉन की भविष्यवाणी करता है। डीडीपीएम का अपडेट उस भविष्यवाणी के एक स्केल किए गए संस्करण को घटा देता है और फिर पीछे से खींचा गया विचरण शोर जोड़ता है। डीडीआईएम पहले साफ छवि x0 का अनुमान लगाने के लिए अपडेट को फिर से लिखता है, फिर बिना किसी स्टोकेस्टिक शब्द के इसे अगले (छोटे) टाइमस्टेप पर फिर से प्रोजेक्ट करता है। एक पैरामीटर eta दोनों को मिश्रित करता है: eta=1 DDPM को पुनर्प्राप्त करता है, eta=0 पूरी तरह से नियतात्मक DDIM देता है।
सामरिक प्रभाव
गति और पैमाना
विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
विकल्प बनाएं
रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
टीम और वर्कफ़्लो
संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
डीडीपीएम और डीडीआईएम सैम्पलर्स का भविष्य
नमूना अनुसंधान एक- या कुछ-चरण वाली पीढ़ी की ओर दौड़ रहा है। डीपीएम-सॉल्वर और डीपीएम-सॉल्वर++ जैसे उच्च-क्रम वाले ओडीई सॉल्वर पहले से ही गुणवत्ता नमूने को 20 चरणों से कम कर देते हैं, जबकि आसवन विधियां (प्रगतिशील आसवन, स्थिरता मॉडल, अव्यक्त स्थिरता) मॉडल को 1-4 चरण जनरेटर में संपीड़ित करती हैं। उम्मीद है कि डीडीपीएम/डीडीआईएम वैचारिक आधार रेखा बने रहेंगे, जबकि उत्पादन प्रणालियाँ उपभोक्ता हार्डवेयर पर वास्तविक समय की छवि और वीडियो संश्लेषण के लिए आसुत और अनुकूली सॉल्वरों पर निर्भर रहेंगी।
वास्तविक विश्व कार्यान्वयन
स्थिर प्रसार छवि निर्माण, जहां डीडीआईएम को ऑटोमैटिक1111 और कॉम्फीयूआई जैसे टूल में टेक्स्ट-टू-इमेज संकेतों के लिए एक तेज़ डिफ़ॉल्ट नमूना के रूप में पेश किया जाता है।
प्रतिलिपि प्रस्तुत करने योग्य कला पाइपलाइनें जो नियतात्मक डीडीआईएम के साथ यादृच्छिक बीज को ठीक करती हैं ताकि समान संकेत और बीज हमेशा समान छवि को पुनर्जीवित कर सकें।
मॉर्फिंग एनिमेशन के लिए दो छवियों के बीच सहज अव्यक्त-अंतरिक्ष प्रक्षेप, शोर से आउटपुट तक डीडीआईएम के नियतात्मक मानचित्रण द्वारा संभव हुआ।
तीव्र रचनात्मक पुनरावृत्ति जहां डिज़ाइनर धीमी, उच्च-निष्ठा पूर्ण-चरण रेंडर करने से पहले अवधारणाओं का पता लगाने के लिए 20-चरणीय डीडीआईएम पूर्वावलोकन का उपयोग करते हैं।
जोखिम और रेलिंग
यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
कार्यान्वयन रोडमैप
सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the DDPM and DDIM Samplers quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
फ़्रेचेट आरंभिक दूरी
अक्सर पूछे जाने वाले प्रश्नों
डीडीपीएम और डीडीआईएम सैंपलर्स क्या है?
डीडीपीएम और डीडीआईएम प्रसार मॉडल की रिवर्स प्रक्रिया को चलाने के दो तरीके हैं, जो चरण दर चरण यादृच्छिक शोर को एक छवि में बदलते हैं। डीडीपीएम मूल स्टोकेस्टिक रेसिपी है; डीडीआईएम एक तेज़, नियतात्मक शॉर्टकट है जो बहुत कम चरणों में तुलनीय छवियां तैयार करता है।
डीडीपीएम की तुलना में डीडीआईएम का मुख्य व्यावहारिक लाभ क्या है?
डीडीआईएम एक नियतात्मक, गैर-मार्कोवियन प्रक्षेपवक्र का अनुसरण करता है जो इसे कई टाइमस्टेप्स को छोड़ने देता है, सैकड़ों के बजाय लगभग 10-50 चरणों में गुणवत्तापूर्ण छवियां उत्पन्न करता है।
एक प्रसार मॉडल का तंत्रिका नेटवर्क वास्तव में प्रशिक्षण के दौरान क्या भविष्यवाणी करना सीखता है?
नेटवर्क को प्रत्येक टाइमस्टेप पर जोड़े गए गॉसियन शोर (एप्सिलॉन) की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है, जिसे डीडीपीएम और डीडीआईएम दोनों प्रक्रिया को उलटने के लिए उपयोग करते हैं।
डीडीआईएम हर बार एक ही शुरुआती शोर से बिल्कुल एक जैसी छवि क्यों बना सकता है?
डीडीआईएम ने अपने अपडेट में स्टोकेस्टिक शोर शब्द को हटा दिया है, जिससे शोर से छवि तक का रास्ता पूरी तरह से नियतात्मक हो गया है और इसलिए प्रतिलिपि प्रस्तुत करने योग्य है।
डीडीआईएम में, पैरामीटर ईटा का कौन सा मान मूल स्टोकेस्टिक डीडीपीएम व्यवहार को पुनः प्राप्त करता है?
eta पैरामीटर दो नमूनों के बीच प्रक्षेपित होता है: eta=1 पूर्ण DDPM स्टोचैस्टिसिटी देता है, जबकि eta=0 पूरी तरह से नियतात्मक DDIM देता है।
उच्च गुणवत्ता वाले नमूनों के लिए मूल डीडीपीएम को आमतौर पर कितने चरणों की आवश्यकता होती है?
डीडीपीएम प्रत्येक शोर स्तर पर यादृच्छिकता जोड़ते हुए वापस चलता है, इसलिए इसे आमतौर पर सैकड़ों से एक हजार रिवर्स चरणों के क्रम की आवश्यकता होती है।