2023_05_Arxiv_Iterative-$α$-(de)Blending--a-Minimalist-Deterministic-Diffusion-Model_Note.md

Iterative $α$-(de)Blending: a Minimalist Deterministic Diffusion Model

"Iterative $α$-(de)Blending: a Minimalist Deterministic Diffusion Model" Arxiv, 2023 May paper code pdf Authors: Eric Heitz, Laurent Belcour, Thomas Chambon

Key-point

• Task
• Problems
• 🏷️ Label:

Contributions

Introduction

• 为什么要用两个样本？

  为了推广原始 diffusion，希望针对不是高斯噪声的分布也满足

  黑白图像到彩色图像的映射

想证明两个样本的关系，在某种变换下可以变得确定

模型 $D_\theta$ 根据两个样本学习两个样本期望的差值。

methods

Experiment

ablation study 看那个模块有效，总结一下

学习如何发现问题，论证问题

在不同分布上验证效果

1. 一维分布上，验证 L2 范数更好

从不同分布开始的生成结构

非高斯分布

Limitations

Summary 🌟

learn what & how to apply to our task

1. 学习一下实验设计，不同分布上效果的可视化
2. 以图到图直接的映射