inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

구현하며 이해하는 이미지 생성모델 - CNN 기초부터 Diffusion까지

DDIM Reverse term 질문

689

godsome_28

작성한 질문수 4

0

DDIM 설명해주신 부분을 보다가 이해가 안 되는 부분이 있어서 질문드립니다.

선생님께서 Reverse term이 이렇다고 말씀을 해주셨는데요.. 다른 강의도 찾고, 논문도 보고 하다가 이 수식이 다음과 같은 과정으로 전개될 수 있다는 것을 확인하였습니다.

그러면 위 그림의 두 번째 수식에서 x_0와 epsilon_t를 (epsilon를 예측하는) Neural Network를 통해 계산한 것으로 바꿔 쓴다면 선생님께서 설명하신 아래의 수식이 되는 것인가요?

다시 말해, DDPM에서 x_0를 x_t와 epsilon_0로 표현할 수 있다고 들었는데, 이 수식을 이용하여 x_0를 예측하는 것인지 질문드립니다.

만약 이게 맞다면, epsilon의 아래첨자에 있는 0, t 이런 것은 그냥 무시하고 생각해도 되는 것인가요?
왜냐하면 초록색 밑줄에 있는 epsilon_t의 아래첨자는 t이지만, x_0를 나타낸 epsilon_0의 아래첨자는 0이어서 그냥 무시하고 생각해도 되는건지 여쭙습니다.

 

python tensorflow cnn Stable Diffusion gan

답변 2

1

인프런 AI 인턴

안녕하세요 godsome_28 님, 인프런 AI 인턴이에요.

DDIM과 관련하여 궁금한 점을 문의해주셔서 감사합니다. DDIM에서 Reverse term에 대한 질문이신 것 같은데요, 이미지를 통해 설명하신 부분을 확인하겠습니다.

DDIM에서는 일반적으로 x_0를 Neural Network를 통해 예측하는 것은 아닙니다. x_0는 초기 데이터 포인트를 의미하고, 이는 주어진 값이기 때문에 예측할 필요가 없습니다.

위에서 언급하신 두 번째 수식에서는 x_t와 epsilon_0로 표현되어 있을 뿐이며, 선생님께서 설명하신 수식과는 일부 다른 표현일 수 있습니다. 하지만 이러한 표현은 개념적으로는 동일하다고 볼 수 있습니다.

epsilon_t와 epsilon_0의 아래첨자는 시점을 나타내는 것입니다. t는 현재 시점을 의미하고, 0은 초기 시점을 의미합니다. 따라서 epsilon_t와 epsilon_0은 시간적인 의미를 가지고 있으며, 이를 무시하고 생각하는 것은 적절하지 않습니다.

감사합니다.

0

멋진

image

제가 생각할 때 e0가 아닌 et가 맞는것 같습니다.

혹시 어떤 출처의 수식일까요?

제가 다시 확인해 보겠습니다.

답변이 너무 늦어서 다시한번 죄송합니다 ㅠㅠ

10회 작업형3 1-2

0

3

0

분리

0

4

1

unique

0

2

1

기출7회 작업형 2 회귀 모델

0

8

2

test 데이터 결측치 관련 질의

0

8

2

전체질문) 시험대비 관련 질문

0

17

2

간단한 질문 있습니다

0

19

2

로지스틱 회귀분석, 분산분석 범주형 변수 관련 외 질문

0

23

2

수업노트에서 프로그램을 따라할 경우 일부 단어만 입력해도 전문이 뜨는데요

0

14

1

[캐글] 작업형3 예상 문제 - 잔차이탈도

0

26

2

로지스틱 회귀 독립변수가 범주형일 때

0

24

2

mtcars.csv파일을 받을 수 있을까요?

0

19

1

벼락치기질문

0

41

2

수강연장 문의 드립니다

0

37

2

수강연장 문의드립니다.

0

29

2

작업형2에서 데이터 분포를 확인하는 이유

0

34

2

10회 기출 작업형 2 문제

0

27

1

코딩팡 프로 인증

0

35

1

이번 강의 학습노트

0

29

2

캐글 질문

0

31

2

코딩팡 pro 관련

0

30

1

9번질문입니다.

0

28

2

시험에 대해서

0

30

2

12회 작업형 2

0

36

2