Lir Nut's Site

DDIM 基于DDPM[1],DDIM（Denoising Diffusion Implicit Models）[2]的采样过程是通过一个确定性的更新规则逐步去噪,将DDPM数千步的采样减少到数十步. DDIM的采样公式 DDIM的采样公式可以表示为： zs=αsx^θ(zt)+σszt−αtx^θ(zt)σt\mathbf{z}_{s} = \alpha_{s} \hat{\mathbf{x}}_{\theta}(\mathbf{z}_{t}) + \sigma_{s} \frac{\mathbf{z}_{t} - \alpha_{t} \hat{\mathbf{x}}_{\theta}(\mathbf{z}_{t})}{\sigma_{t}} zs​=αs​x^θ​(zt​)+σs​σt​zt​−αt​x^θ​(zt​)​ 其中： zt\mathbf{z}_{t}zt​：当前步骤的噪声数据. zs\mathbf{z}_{s}zs​：下一步的噪声数据（s<ts < ts<t）. αt\alpha_{t}αt​ 和 σt\sigma_{t}σt​：与时间步 ttt ...

Stable Diffusion 基于DDPM[1],Stable Diffusion[2]在Latent Space上进行扩散,使得在扩散前可以对latent space进行操作并且加快样本生成. 1. Latent Space(潜在空间) 潜在空间是指图像通过某种编码器（如 VAE）映射到的低维空间。相比原始的像素空间，潜在空间的维度较低，计算量较小，便于模型进行高效的学习和生成。 DDPM 在图像的像素空间中进行生成，逐步添加噪声并去噪。而 Stable Diffusion 通过变分自编码器（VAE）先将图像编码到潜在空间，再在潜在空间中进行扩散（去噪）。这样做的好处是，潜在空间中的噪声表示更加紧凑和易于处理，从而使得生成过程更加高效。 2. 基于潜在空间的条件生成（Conditional Generation in Latent Space） Stable Diffusion 引入了条件生成的概念，主要是通过文本条件生成与之相对应的图像。在这种方法中，文本描述通过 CLIP [3]模型被映射到潜在空间中，从而与图像的潜在表示进行匹配。 相比于 DDPM 中仅仅在无条件下生成图像 ...

DDPM DDPM（Denoising Diffusion Probabilistic Model）[1] 通过逐步添加噪声和去噪过程生成样本.DDPM 的训练过程主要分为前向扩散过程（Forward Diffusion Process） 和 反向生成过程（Reverse Diffusion Process）. 1. 前向扩散过程 前向扩散是一个逐步添加噪声的过程.给定一个真实数据分布x0∼q(x0)x_0 \sim q(x_0)x0​∼q(x0​),通过一系列的马尔科夫链,将数据逐渐添加高斯噪声直到变成纯噪声. 噪声添加公式： q(xt∣xt−1)=N(xt;1−βtxt−1,βtI), q(x_t \mid x_{t-1}) = \mathcal{N}(x_t; \sqrt{1-\beta_t} x_{t-1}, \beta_t \mathbf{I}), q(xt​∣xt−1​)=N(xt​;1−βt​​xt−1​,βt​I), 其中βt\beta_tβt​是一个小正数,表示第ttt步的噪声强度. 简化公式： 通过数学推导,可以直接从x0x_0x0​采样任意时间步ttt的噪声样本： ...

Linux云计算简明实录 Linux基础右转菜鸟 Linux命令右转此处 .bash四文件 .bash_history .bash_history顾名思义,就是在命令行里曾经运行过的指令 .bash_logout .bash_logout也顾名思义,就是在命令行里输出的日志 .bahsrc&.bash_profile .bahsrc和.bash_profile就不是很顾名了. .bahsrc是在可交互式界面运行后第一个运行的脚本,而.bash_profile是在登入用户后第一个运行的脚本,而且.bash_profile的优先级更高. 但实际上两者用处差不多,一般别名和环境变量都会放在.bashrc文件里. 或者新建一个.bash_path和.bash_aliases文件来储存别名和环境变量,而.bashrc则分别调用两个文件..bashrc命令如下 123456if [ -f "$HOME/.bash_path" ]; then . "$HOME/.bash_path" fiif [ -f "$HOME/. ...

Hexo配置博客简明实录 Hexo基础 Hexo框架 以下操作请先安装node.js,并配置环境变量. 建立项目需要魔法,速度较慢,需要重复尝试. 123cd <folder>Hnpx hexo initnpm install Butterfly主题 以下操作请先提前配置好git. 安装主题以butterfly为例,如果失败可以删除./themes,重复尝试. 1git clone -b master https://github.com/jerryc127/hexo-theme-butterfly.git themes/butterfly 渲染器安装 1npm install hexo-renderer-pug hexo-renderer-stylus --save 渲染器_config.yml文件配置 1234# Extensions## Plugins: https://hexo.io/plugins/## Themes: https://hexo.io/themes/theme: butterfly 建议新建_config.butterfly.yml文件,此文件会覆 ...

Hello World！ 记录最初的文章 自己建立博客也算是艰辛,成功立站,故写一篇博文作为贺文. 大一参加了ACM,本意是像大佬一样记录成果,结果博客还没建立,反而在大二就想草草退役,因此这篇文章也对我逝去的ACM生涯做一个吊唁,在博客中大约也不会对算法竞赛赘述,重心会放在记载科研与项目的学习与过程. 博文大多数都会以总结和感想为主,不会涉及详细具体的教程,大多数博文都是事后撰写,可能有谬误,望轻喷. Hello, World! Dream starts here.