研究方法: 作者为了证明扩散模型也可以作为语义分割的工具,特别是在标记数据稀缺的情况下。对于几个预先训练的扩散模型,作者研究了网络中执行逆扩散过程马尔可夫步骤的中间激活。结果表明这些激活有效地从输入图像中捕获语义信息,并且似乎是分割问题的出色像素级表示。基于这些观察结果,作者描述了一种简单的分割方法,即使只...
随后,Kingma等人提出了一种变分扩散模型,该模型对图像密度的似然估计产生了最先进的结果。扩散模型也被应用到语言模型中[2,20],其中使用了一种新的分类数据扩散模型。 条件扩散概率模型:在我们的工作中,我们使用扩散模型来解决图像分割问题作为条件生成,给定的图像。带有扩散模型的条件生成包含了类条件生成的方法,它是...