이런 영상을 이렇게나 많은 사람들이보다니.. 신기하군요 자료입니다. drive.google.com/file/d/1u8EWfDvaJQGKKC4akQDy50kP-qF_MT09/view?usp=sharing

@wkdgnsgo

6 ай бұрын

혹시 ddim 에서 시그마 나오는부분 수식적으로 왜 저부분이 위에 시그마 없는부분이랑 같은지 설명해주실수있나요? 도저히 이해가 안되는 전개식이라..

@user-uz3wy6wj6s

6 ай бұрын

감사합니다!

@hardenmvp631

2 ай бұрын

혹시 자료 다시 공유해주실 수 있을까요..? 안들어가집니다..!

@pho-ml8dk

Ай бұрын

34:27 ~ 37:55 슬라이드 내용이 어떤 블로그 글을 캡쳐하신 것 같은데요(자료 내 36, 37 slide). 블로그 글 하나하나 reference 다는 건 번거로우시겠고, 영상, 블로그, 자료 모두 업로드 한지는 오래되었지만 reference 표기 부탁드리겠습니다

@user-ey6lc8rp3e

3 күн бұрын

자료 링크가 접속이 안됩니다ㅠㅠ

좋은 영상 올려주셔서 감사합니다. 덕분에 디퓨전 모델에 대한 개념을 쉽게 잡은 것 같아요~ 그리고 논문도 축하드립니다! ㅎㅎ

자료 찾기 어려웠는데 한눈에 잘 정리된 자료 감사합니다.

좋은 자료 감사합니다. 프리젠터의 높은 이해도가 느껴지는 튜토리얼이였습니다. 두고두고 와서 볼 것 같네요.

diffusion model을 이해하는데 정말 도움 많이 됐습니다. 감사합니다.

여러 좋은 diffusion models 관련 자료 정리, 요약에 발표자분의 직관까지 포함된 너무 훌륭한 영상이네요. 덕분에 많은 공부가 되었습니다. 감사합니다.

@diffusion_model

Жыл бұрын

감사합니다!

@khalilkhalil9067

Жыл бұрын

Pp

정리 너무 잘 봤습니다! 감사합니다.

너무도 감사드립니다.

정말 좋은 영상입니다. 공부하는데 도움이 되었습니다. 감사합니다.

잘 들었습니다~ diffusion 모델들을 공부시작하면서 제안된 수식들을 이해해보려고 하던차에 잘 만나게되었네요.😍🤩

감사합니다. 현업에 많은 도움이 됩니다.

영상 잘봤습니다! 감사합니다~~

도움이 정말 많이 됐어요!! 감사합니다 :)

너무 멋지십니다~~

잘 봤습니다. 공부가 되었습니다.

안녕하세요! 최근 diffusion 모델에 대해 공부를 해야겠다고 느끼고 시작하던 도중 너무 좋은 자료를 만나게 되어 쉽게 이해할 수 있었습니다! 너무 감사합니다. 혹시 실례가 안된다면 강의 자료는 공유가 안되는지 여쭤봐도 될까요?

잘 들었습니다 :)

감사합니다

혹시 38:52 에서 exp 이하 부분 정규분포의 pdf의 지수함수에 값을 넣은것으로 이해는했는데요 그 항들을 정리한 빨간색텀이 저식의 표준편차가 되고 파란색식이 평균이되는 이유를 알 수 있을까요?

q(x1:x3 | x0) 와 q(x1, x2, x3 | x0) 와 같은 거죠? 의미는 x0가 참 일때 x1, x2, x3 모두 참일 확률 맞나요?

안녕하세요, 좋은 영상 감사합니다. 혹시 DDPM과 U-Net의 관계는 어떻게 되는지 알 수 있을까요?

안녕하세요 좋은 영상 감사합니다. 잘 이해가 안되는 부분이 있어 질문드립니다. forward diffusion process에서 q(x_t|x_t-1)=N(x_t;root(1-beta_t)*x_t-1,beta_t*I)이 식에서 root(1-beta_t)x_t-1가 평균을 의미하는 자리인데, 그렇다면 x_t에서의 nomal distribution에선 x_t-1의 평균에 root(1-beta_t)을 곱한 값이 평균이 되는 것인가요? 맞다면 t번째 x이미지는 평균 root(1-beta_t)x_t-1, 분산 beta_t*I를 갖는 normal distribution이라고 표현된 것이 맞을가요??

1:50 랄부를 탁 치고 갑니다. 2,3번만 필요한데 목표를 명확히 해주셔서 감사합니다.

@user-wp6jf3tl7j

5 ай бұрын

파송송 랄부탁

score function 은 RL 에도 있는 개념인데 형태도 똑같군요

좋은 내용 매우 감사합니다. 주제와 직접적인 관련이 있지는 않은 질문이라 죄송합니다만, 혹시 @4:50 부분에 나오는 physical intution에서 열역학과도 관련되어 보이는데, 혹시 해당 양자역학 부분에 많이 소개된다는 것을 찾아볼 만한 참고자료나 키워드 같은 것을 주실수 있을까요?

@SEONHOON-cj5jp

8 ай бұрын

안녕하세요. 유체의 브라운 운동으로부터 모델링된 Wiener process 와 관련 내용을 Diffusion 에 접목시킨 BBDM 논문을 살펴보시면 도움 될 것 같네요.

@ysjang05050

7 ай бұрын

@@SEONHOON-cj5jp감사합니다. 관련 비디오도 올리셨군요. 참고하겠습니다 :)

안녕하세요 좋은영상 감사합니다ㅎㅎ 궁금점이 생겨 질문드립니다 38:24 에 using bayes rule we have 글 바로 밑 좌측식을 bayes rule 적용하면 우측식로 변하는데 해당 부분이 이해가 안됩니다 bayes rule 적용시 q(xt | xt-1, x0)* q(xt-1 | xt) / q(x0)이 나와야 한다고 생각하는데 어떻게 저 식이 나오는지 궁금합니다 답변 부탁드립니다 ㅠㅠ

@diffusion_model

Жыл бұрын

콤마로 되어있는게 2개 항이 다 given이라는 말입니다. x0는 given으로 고정시켜둔 채 식을 생각해보시면 될것 같습니다.

@gmlssns5859

Жыл бұрын

​@@diffusion_model 답변 감사합니다 이해하는데에 도움되었습니다!

디퓨전영상봐야지

47분쯤 질문에서 분산을 왜 학습안하는것에 대한 이유는 그냥 분산은 time dependent constant이기 때문에 time t만 알면 구할 수 있는 값이기 때문인거 아닌가요?

@diffusion_model

Жыл бұрын

가우시안 커널이라 상정하였을 때 델타도 사실 학습을 할 수 있는 파라미터입니다만 DMs에서는 말씀하신대로 고정해둔 채 학습합니다! 조금 마이너한 논문들 중에 델타도 같이 학습하는 방향의 논문들도 있는것으로 압니다.

"Var( \sqrt{1-B_{t}} * x_{t} + B_{t} ) = Var( \sqrt{1-B_{t}}^{2} + B_{t} )" 이 수식은 "틀린" 수식인 것 같은데 오타일까요? 어떻게 이렇게 전개될 수 있는지 궁금합니다!

유용한 강의입니다. 저는 게임 엔진을 제작하는 프로젝트에 참여하고 있습니다. 혹시 게임엔진 및 기타 그래픽 소프트웨어 제작 관련해서 연구소대 회사 차원의 협업을 지금 진행하고 있는 것이 있으신지요?

@diffusion_model

Жыл бұрын

아니요 따로 없습니다. 전 연세대학교 어영정 교수님 연구실 소속입니다. 연구소와 회사차원의 협업은 교수님께 문의하심이 좋을 것 같네요!

@youngjin8300

Жыл бұрын

@@diffusion_model 네, 답변 감사합니다.다른 분들의 검토 의견을 구해야 하는데 참고하려고 질문 드렸습니다.

23:24 44:06 DDIM 56:45 Score-based Generative Modeling

43:56 DDIM 1:15:00 condtional

SDEs를 잘 모르는데 SDEs를 얘기할 수 있으시군요.

디퓨전 하시네요

안녕하세요 아주 좋은 diffusion 관련 영상 감사합니다. 제가 학부생인데 대학원과 diffusion에 관련하여 질문이 있는데 혹시 실례가 안된다면 이메일을 보내도 괜찮을까요?

@diffusion_model

Жыл бұрын

네~ 누구한테든 이메일은 그냥 보내셔도 크게 상관없습니다

@user-yj1jm3ei6z

Жыл бұрын

답변 정말 감사합니다 ㅎㅎ 영상 발표자님께 메일 보냈습니다!

어려워요…..

32:45

슬라이드 공유가 가능할까요?

@diffusion_model

Жыл бұрын

나중에 추가해두겠습니다

@user-or3wm8vm1h

Ай бұрын

@@diffusion_model 혹시 자료 어디에 올리셨을까요?

1:14:59

english please 🥲