ترجمه فارسی مقاله RISSOLE: مدل‌های انتشار کارآمد پارامتر از طریق تولید بلوک و هدایت بازیابی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی RISSOLE: Parameter-efficient Diffusion Models via Block-wise Generation and Retrieval-Guidance
عنوان مقاله به فارسی RISSOLE: مدل‌های انتشار کارآمد پارامتر از طریق تولید بلوک و هدایت بازیابی
نویسندگان Avideep Mukherjee, Soumya Banerjee, Piyush Rai, Vinay P. Namboodiri
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 2 September, 2024; v1 submitted 30 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛V1 ارسال شده در 30 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Diffusion-based models demonstrate impressive generation capabilities. However, they also have a massive number of parameters, resulting in enormous model sizes, thus making them unsuitable for deployment on resource-constraint devices. Block-wise generation can be a promising alternative for designing compact-sized (parameter-efficient) deep generative models since the model can generate one block at a time instead of generating the whole image at once. However, block-wise generation is also considerably challenging because ensuring coherence across generated blocks can be non-trivial. To this end, we design a retrieval-augmented generation (RAG) approach and leverage the corresponding blocks of the images retrieved by the RAG module to condition the training and generation stages of a block-wise denoising diffusion model. Our conditioning schemes ensure coherence across the different blocks during training and, consequently, during generation. While we showcase our approach using the latent diffusion model (LDM) as the base model, it can be used with other variants of denoising diffusion models. We validate the solution of the coherence problem through the proposed approach by reporting substantive experiments to demonstrate our approach's effectiveness in compact model size and excellent generation quality.

چکیده به فارسی (ترجمه ماشینی)

مدل های مبتنی بر انتشار ، قابلیت های تولید چشمگیر را نشان می دهند.با این حال ، آنها همچنین تعداد زیادی پارامترها دارند ، و در نتیجه اندازه های عظیم مدل ایجاد می شود ، بنابراین آنها را برای استقرار در دستگاه های محدودیت منابع نامناسب می کند.تولید بلوک می تواند یک جایگزین امیدوار کننده برای طراحی مدل های تولیدی عمیق به اندازه جمع و جور (پارامتر کارآمد) باشد زیرا این مدل می تواند به جای تولید کل تصویر به طور همزمان ، یک بلوک را در یک زمان تولید کند.با این حال ، تولید بلوک نیز به طور قابل توجهی چالش برانگیز است زیرا اطمینان از انسجام در بلوک های تولید شده می تواند غیر واقعی باشد.برای این منظور ، ما یک رویکرد نسل بازیابی (RAG) بازیابی را طراحی می کنیم و بلوک های مربوطه از تصاویر بازیابی شده توسط ماژول RAG را برای شرط بندی مراحل آموزش و تولید یک مدل انتشار Denoising بلوک انجام می دهیم.طرح های تهویه ما از انسجام در بلوک های مختلف در طول آموزش و در نتیجه ، در طول تولید اطمینان می یابد.در حالی که ما رویکرد خود را با استفاده از مدل انتشار نهان (LDM) به عنوان مدل پایه به نمایش می گذاریم ، می توان از آن با سایر انواع مدل های انتشار استفاده کرد.ما با گزارش آزمایش های اساسی ، راه حل مسئله انسجام را از طریق رویکرد پیشنهادی برای نشان دادن اثربخشی رویکرد خود در اندازه مدل جمع و جور و کیفیت تولید عالی تأیید می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.