Denoising Diffusion Implicit Models

🚀 tf-keras

このモデルは、ノイジング拡散暗黙モデル（DDIM）に関するKerasコード例用に作成されました。主に生成、ノイジング、拡散などのタスクに使用されます。

🚀 クイックスタート

このモデルは、ノイジング拡散暗黙モデル（DDIM）に関するKerasコード例用に作成されました。詳細については、Kerasコード例または付随するコードリポジトリを参照してください。

✨ 主な機能

• このモデルは、入力と出力の次元が同じU-Netを使用しています。入力画像を段階的にダウンサンプリングとアップサンプリングし、同じ解像度のレイヤー間にスキップ接続を追加します。
• アーキテクチャはDDPMのアーキテクチャの簡略版で、畳み込み残差ブロックで構成され、注意レイヤーはありません。
• ネットワークは2つの入力、ノイジー画像とそのノイズ成分の分散を受け取り、正弦波埋め込みを使用してエンコードします。

📚 ドキュメント

モデルの用途と制限

このモデルは、ノイジング拡散生成モデルの単純な例として、教育目的で使用されます。適度な計算要件で、自然画像生成性能が合理的です。

学習と評価データ

このモデルは、画像生成のためにOxford Flowers 102データセットで学習されました。これは、約8,000枚の花の画像を含む多様な自然データセットです。公式の分割は不均衡であるため（ほとんどの画像がテスト分割に含まれています）、モデルの学習には新しいランダム分割（80％トレイン、20％検証）が作成されました。前処理には中央クロップが使用されました。

学習手順

このモデルは、ノイジー画像のノイジングを行うように学習されており、純粋なガウスノイズを反復的にノイジングすることで画像を生成することができます。

学習ハイパーパラメータ

モデルの可視化