ترجمه فارسی مقاله دیدگاه‌های اتصال مدل‌های انتشار سیگنال به نویز

چکیده

Diffusion models (DM) have become fundamental components of generative models, excelling across various domains such as image creation, audio generation, and complex data interpolation. Signal-to-Noise diffusion models constitute a diverse family covering most state-of-the-art diffusion models. While there have been several attempts to study Signal-to-Noise (S2N) diffusion models from various perspectives, there remains a need for a comprehensive study connecting different viewpoints and exploring new perspectives. In this study, we offer a comprehensive perspective on noise schedulers, examining their role through the lens of the signal-to-noise ratio (SNR) and its connections to information theory. Building upon this framework, we have developed a generalized backward equation to enhance the performance of the inference process.

چکیده به فارسی (ترجمه ماشینی)

مدل های انتشار (DM) به مؤلفه های اساسی مدل های تولیدی تبدیل شده اند ، و در حوزه های مختلف مانند ایجاد تصویر ، تولید صوتی و درون یابی داده های پیچیده تعالی دارند.مدل های انتشار سیگنال به نویز ، خانواده متنوعی را تشکیل می دهند که بیشتر مدل های انتشار پیشرفته را پوشش می دهند.در حالی که چندین تلاش برای مطالعه مدل های انتشار سیگنال به نویز (S2N) از دیدگاه های مختلف وجود داشته است ، اما نیاز به یک مطالعه جامع برای اتصال دیدگاه های مختلف و بررسی دیدگاه های جدید وجود دارد.در این مطالعه ، ما یک دیدگاه جامع در مورد برنامه ریزان سر و صدا ارائه می دهیم و نقش آنها را از طریق لنز نسبت سیگنال به نویز (SNR) و ارتباطات آن با نظریه اطلاعات بررسی می کنیم.با تکیه بر این چارچوب ، ما یک معادله عقب مانده تعمیم یافته برای تقویت عملکرد فرآیند استنتاج ایجاد کرده ایم.