基于极大似然估计方法的diffusion

1、极大似然估计就是求概率的最大值

image

2、VAE

(1)q(x|z)是编码器的隐向量，可以是任意分布，通过化简，得到了最低下界，最大化这个最低下界就行：

image

(2)类比出DDPm的目标

image

(3)DDPM的最终下界：

image

(4)红色部分化简一波

image

(5)红色部分化简一波

image

(6)红色部分也是高斯分布，让两个高斯分布均值相近就可以

image
image

posted @   jasonzhangxianrong  阅读(17)  评论(0)  编辑  收藏  举报
相关博文：
· 从Autoencoder to Beta-VAE
· 变分自编码器（二）：从贝叶斯观点出发
· 从DDPM到DDIM (一) 极大似然估计与证据下界
· 5、极大似然估计
· 图优化基础：极大似然估计
阅读排行：
· 阿里最新开源QwQ-32B，效果媲美deepseek-r1满血版，部署成本又又又降低了！
· 开源Multi-agent AI智能体框架aevatar.ai，欢迎大家贡献代码
· Manus重磅发布：全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后，我竟然真的恢复了删除的微信聊天记录！
· 没有Manus邀请码？试试免邀请码的MGX或者开源的OpenManus吧
点击右上角即可分享
微信分享提示