Проблема забезпечення консистентності генерації дифузійних моделей глибокого навчання

Мокін, О. Б.; Кулик, Л. Р.; Mokin, O. B.; Kulyk, L. R.

Проблема забезпечення консистентності генерації дифузійних моделей глибокого навчання

dc.contributor.author	Мокін, О. Б.	uk
dc.contributor.author	Кулик, Л. Р.	uk
dc.contributor.author	Mokin, O. B.
dc.contributor.author	Kulyk, L. R.
dc.title	Проблема забезпечення консистентності генерації дифузійних моделей глибокого навчання	uk
dc.title.alternative	The problem of ensuring consistency of generation in deep learning diffusion models	en
dc.date.issued	2023
dc.publisher	Вінницький національний технічний університет	uk
dc.identifier.citation	Мокін О. Б. Проблема забезпечення консистентності генерації дифузійних моделей глибокого навчання [Електронний ресурс] / О. Б. Мокін, Л. Р. Кулик // Матеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18860.	uk
dc.relation.ispartof	Матеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.	uk
dc.relation.uri	https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18860
dc.identifier.udc	004.89
dc.identifier.uri	http://ir.lib.vntu.edu.ua/handle/123456789/38281
dc.description.abstract	There has been shown the relevance of the problem of ensuring the consistency of image generation using deep learning diffusion models and provided examples of existing approaches with their pros and cons.	en
dc.description.abstract	Показано актуальність проблеми забезпечення консистентності генерування зображень за допомогою дифузійних моделей глибокого навчання та наведено приклади існуючих підходів забезпечення консистентності, їх переваги та недоліки.	uk
dc.subject	глибоке навчання	uk
dc.subject	дифузійні генеративні моделі	uk
dc.subject	консистентність генерації	uk
dc.subject	deep learning	en
dc.subject	diffusion generative models	en
dc.subject	generation consistency	en
dc.type	Thesis
dc.language.iso	uk	uk
dc.relation.references	Jonathan Ho, Ajay Jain, Pieter Abbeel “Denoising Diffusion Probabilistic Models” arXiv:2006.11239 [cs.LG], Jun. 2020	en
dc.relation.references	Flavio Schneider “ArchiSound: Audio Generation with Diffusion” arXiv:2301.13267 [cs.SD], Jan. 2023.	en
dc.relation.references	Nataniel Ruiz, Yuanzhen Li, Varun Jampani, Yael Pritch, Michael Rubinstein, Kfir Aberman “DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation” arXiv:2208.12242 [cs.CV], Aug. 2022	en
dc.relation.references	Rinon Gal, Yuval Alaluf, Yuval Atzmon, Or Patashnik, Amit H. Bermano, Gal Chechik, Daniel Cohen-Or “An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion” arXiv:2208.01618 [cs.CV], Aug. 2022.	en
dc.relation.references	Lvmin Zhang, Maneesh Agrawala “Adding Conditional Control to Text-to-Image Diffusion Models” arXiv:2302.05543 [cs.CV], Feb. 2023.	en
dc.relation.references	Tim Dettmers, Artidoro Pagnoni, Ari Holtzman, Luke Zettlemoyer “QLoRA: Efficient Finetuning of Quantized LLMs” arXiv:2305.14314 [cs.LG], May. 2023.	en
dc.date.accessioned	2023-11-17T12:58:34Z
dc.date.available	2023-11-17T12:58:34Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: 135487.pdf
Розмір:: 214,78 KB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 129 B
Формат:: Plain Text
Опис:

Завантажити

Зібрання

НТКП ВНТУ. Факультет інтелектуальних інформаційних технологій та автоматизації (2023)
Наукові видання каф. САІТ