स्कोर-आधारित जनरेटिव मॉडल
स्कोर-आधारित जेनरेटर मॉडल डेटा वितरण के ग्रेडिएंट को सीखकर डेटा बनाते हैं - वह दिशा जो किसी भी शोर वाले नमूने को वास्तविक डेटा की तरह दिखती है।
सिंहावलोकन
This score-function view unifies diffusion models with stochastic differential equations and underpins many modern image generators.
गहरा गोता
संभाव्यता को सीधे मॉडलिंग करने के बजाय, स्कोर-आधारित मॉडल स्कोर सीखते हैं: इनपुट के संबंध में लॉग-संभावना घनत्व का ग्रेडिएंट। यह जानना कि किसी नमूने को उसकी संभावना बढ़ाने के लिए किस तरीके से प्रेरित किया जाए, नया डेटा उत्पन्न करने के लिए पर्याप्त है। यांग सॉन्ग और स्टेफ़ानो एर्मन के 2019 के काम ने एक नेटवर्क को डीनोइज़िंग स्कोर मिलान का उपयोग करके कई शोर स्तरों पर इस स्कोर का अनुमान लगाने के लिए प्रशिक्षित किया, फिर लैंग्विन गतिशीलता के साथ नमूने तैयार किए - बार-बार स्कोर के साथ कदम बढ़ाते हुए और थोड़ा शोर जोड़ते हुए। उनके 2021 स्कोर-एसडीई पेपर से पता चला कि प्रसार और स्कोर-आधारित मॉडल स्टोकेस्टिक अंतर समीकरण द्वारा वर्णित एक ही सतत प्रक्रिया के दो चेहरे हैं। महत्वपूर्ण रूप से, प्रत्येक एसडीई में एक समान नियतात्मक 'संभावना प्रवाह' ओडीई होता है जो समान मार्जिन साझा करता है, जिससे सटीक संभावनाएं और तेज़ नमूनाकरण सक्षम होता है।
तकनीकी अंतर्दृष्टि
जहां डेटा विरल है, वहां सीधे स्वच्छ डेटा के स्कोर का अनुमान लगाना कठिन है, इसलिए मॉडल को कई पैमानों पर गॉसियन शोर से परेशान डेटा पर प्रशिक्षित किया जाता है। डीनोइज़िंग स्कोर मिलान एक ट्रैक्टेबल लक्ष्य देता है: शोर वितरण का स्कोर शोर दिशा को शोर भिन्नता से विभाजित करने के बराबर होता है, इसलिए शोर की भविष्यवाणी करना और स्कोर की भविष्यवाणी करना अनिवार्य रूप से एक ही बात है। नमूनाकरण शुद्ध गाऊसी शोर से शुरू होने वाले रिवर्स-टाइम एसडीई (या समतुल्य संभाव्यता-प्रवाह ओडीई) को हल करता 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।
स्कोर-आधारित जेनरेटिव मॉडल का भविष्य
स्कोर-एसडीई ढांचा जेनेरिक एआई की अधिकांश प्रगति के पीछे का सैद्धांतिक इंजन है। तेज़ संख्यात्मक सॉल्वर, बेहतर शोर शेड्यूल और संभाव्यता-प्रवाह ओडीई वास्तविक समय पीढ़ी और सटीक संभावना मूल्यांकन को सक्षम कर रहे हैं। समान स्कोर-मिलान विचार छवियों से परे ऑडियो, आणविक और प्रोटीन संरचना डिजाइन, बिंदु बादलों और वैज्ञानिक सिमुलेशन में फैल रहा है, जबकि स्थिरता और प्रवाह-मिलान मॉडल पीढ़ी को मुट्ठी भर चरणों तक सिकोड़ने के लिए इन निरंतर-समय की नींव पर सीधे निर्माण करते हैं।
वास्तविक विश्व कार्यान्वयन
शोर-सशर्त स्कोर नेटवर्क (एनसीएसएन) लैंग्विन डायनेमिक्स के माध्यम से सीखे गए स्कोर ग्रेडिएंट्स का पालन करके फोटोरिअलिस्टिक चेहरे तैयार करते हैं।
मेडिकल छवि पुनर्निर्माण, जैसे कि त्वरित एमआरआई, जहां सीखा गया स्कोर अंडरसैंपल स्कैन डेटा को भरने से पहले कार्य करता है।
दवा की खोज में आणविक और प्रोटीन संरचना निर्माण, स्कोर-आधारित प्रसार के साथ 3डी परमाणु विन्यास का मॉडलिंग।
ऑडियो तरंगरूप संश्लेषण जहां स्कोर मॉडल स्वच्छ भाषण या संगीत की ओर इशारा करते हैं, जैसे कि प्रसार-आधारित वोकोडर्स में।
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 Score-Based Generative Models 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
ऊर्जा आधारित मॉडल
अक्सर पूछे जाने वाले प्रश्नों
What is Score-Based Generative Models?
स्कोर-आधारित जेनरेटर मॉडल डेटा वितरण के ग्रेडिएंट को सीखकर डेटा बनाते हैं - वह दिशा जो किसी भी शोर वाले नमूने को वास्तविक डेटा की तरह दिखती है। यह स्कोर-फ़ंक्शन दृश्य स्टोकेस्टिक अंतर समीकरणों के साथ प्रसार मॉडल को एकीकृत करता है और कई आधुनिक छवि जनरेटर को रेखांकित करता है।
वास्तव में वह 'स्कोर' क्या है जो ये मॉडल सीखते हैं?
स्कोर इनपुट के संबंध में लॉग डेटा घनत्व का ग्रेडिएंट है - यह उस दिशा को इंगित करता है जो नमूने की संभावना को बढ़ाता है।
स्कोर-आधारित मॉडल को कई स्तरों पर शोर से दूषित डेटा पर प्रशिक्षित क्यों किया जाता है?
कम घनत्व वाले क्षेत्रों में वास्तविक स्कोर खराब ढंग से परिभाषित किया गया है; कई शोर स्तरों के साथ परेशान करने वाला डेटा स्कोर मिलान को हर जगह ट्रैक करने योग्य बनाता है।
प्रारंभिक स्कोर-आधारित मॉडल डेटा उत्पन्न करने के लिए किस नमूनाकरण प्रक्रिया का उपयोग करते थे?
लैंग्विन डायनेमिक्स बार-बार एक नमूने को स्कोर की दिशा में ले जाता है और छोटे शोर को इंजेक्ट करता है, धीरे-धीरे यादृच्छिक शोर को यथार्थवादी डेटा में बदल देता है।
2021 स्कोर-एसडीई पेपर ने कौन सा प्रमुख संबंध स्थापित किया?
गीत और अन्य. स्टोकेस्टिक डिफरेंशियल समीकरण ढांचे के तहत एकीकृत प्रसार और स्कोर-आधारित मॉडल, एक मिलान नियतात्मक संभाव्यता-प्रवाह ओडीई के साथ।
शोर की भविष्यवाणी का संबंध डीनोइज़िंग स्कोर मिलान में स्कोर की भविष्यवाणी से कैसे है?
डीनोइज़िंग स्कोर मिलान से पता चलता है कि स्कोर शोर भिन्नता से विभाजित नकारात्मक शोर के बराबर है, जिससे शोर भविष्यवाणी और स्कोर भविष्यवाणी प्रभावी रूप से एक ही उद्देश्य बन जाती है।