ILVR论文阅读

发表于 更新于 分类于 阅读次数： 本文字数： 439 阅读时长 ≈ 2 分钟

ILVR(Iterative Latent Variable Refinement)介绍

论文：ILVR: Conditioning Method for Denoising Diffusion Probabilistic Models

这篇论文的目的与前两篇论文一样，都是给扩散模型的加入条件信息。本篇论文的做法是在

Iterative Latent Variable Refinement推导

ILVR是一种调节无条件DDPM模型的生成过程的方法，以从给定的参考图像中生成具有共享语义的图像。

这篇论文的推导过程所采用的符号和最初的DDPM那篇论文的符号非常一致，这让推导过程变得比较熟悉友好。

我们的终极目标是在给定条件的前提下，在分布中进行采样，的表达式如下： 这一步是把边缘概率展开成联合概率积分的形式。下面我们再拿出联合概率密度： 这里和DDPM也是一样的，把生成过程建模为一个马尔可夫过程，只是引入了条件。其中，生成过程的每一步是都取决于条件。但是，我们训练好的DDPM的反向过程是，并不含有条件，那么我们该怎么把条件加进去呢？这就是ILVR所做的工作，它采用了一种方法把条件放进去，并不需要引入任何需要训练的模型，它是用一个降采样的参考图像来细化每个无条件转换。