Выбор ответа Senior Генеративные модели обновлено
GAN, VAE и диффузия
Вопрос
Почему диффузионные модели во многом вытеснили GAN в генерации изображений?
Попробуйте сами
Выберите вариант, и откроется разбор.
Показать ответ и разбор
Коротко
Правильный ответ: Стабильное обучение с простой MSE, хорошее покрытие разнообразия; цена в медленной генерации. GAN нестабильны и склонны к mode collapse.
Варианты ответа
- Диффузия генерирует картинку за один шаг декодера и поэтому заметно быстрее GAN
- GAN в принципе не умеют генерировать картинки высокого разрешения из-за нестабильности обучения
- Стабильное обучение с простой MSE, хорошее покрытие разнообразия; цена в медленной генерацииправильный ответ
- Диффузия не требует нейросетей: шум удаляется аналитически по известному расписанию
Разбор
GAN нестабильны и склонны к mode collapse. Диффузия учится как регрессия шума, хорошо масштабируется и покрывает распределение. Минус: десятки шагов на генерацию; его сокращают улучшенными сэмплерами, дистилляцией в несколько шагов, flow matching и consistency-моделями.
- Генерация как раз многошаговая.
- GAN умели высокое разрешение (StyleGAN).
- Это нейросетевые модели.
Ответьте сами, а не прочитайте
В тренажёре вопрос попадёт в повторения и вернётся, когда начнёт забываться. Плюс билеты с зачётом: 20 вопросов, не больше 2 ошибок.