DDIM公式草稿3

q(xtx0)q(xt1x0)使q(xtxt1),q(xt1xt,x0){xt1=mtxt+ntx0+σtε1xt=αtx0+1αtε2xt1=αt1x0+1αt1ε3xt1=mt(αtx0+1αtε2)+ntx0+σtε1=(mtαt+nt)x0+mt1αtε2+σtε1{mtαt+nt=αt1mt2(1αt)+σt2=1αt1mt=1αt1σt21αtnt=αt1αt1αt(1αt1σt2)xt1=1αt1σt21αtxt+(αt1αt1αt(1αt1σt2))x0+σtε1=αt1x0+1αt1σt2(11αtxtαt1αtx0)+σtε1xt1=αt1x0+1αt1σt2xtαtx01αt+σtε1x0=x0t^xtαtx01αt=εθ(xt,t)ifσt=σDDPMDDIMDDPM已知q(x_t|x_0) \quad q(x_{t-1}|x_0) \quad 不使用q(x_t|x_{t-1}),求q(x_{t-1}|x_t,x_0) \\ \\ \begin{cases} x_{t-1}=m_tx_t+n_tx_0+\sigma_t\varepsilon_1 \\ x_{t}=\sqrt{\overline{\alpha_t}}x_0+\sqrt{1-\overline{\alpha_t}}\varepsilon_2 \\ x_{t-1}=\sqrt{\overline{\alpha_{t-1}}}x_0+\sqrt{1-\overline{\alpha_{t-1}}}\varepsilon_3 \\ \end{cases} \\ \quad \\ \begin{aligned} x_{t-1}&=m_t(\sqrt{\overline{\alpha_t}}x_0+\sqrt{1-\overline{\alpha_t}}\varepsilon_2)+n_tx_0+\sigma_t\varepsilon_1\\ &=(m_t\sqrt{\overline{\alpha_t}}+n_t)x_0+m_t\sqrt{1-\overline{\alpha_t}}\varepsilon_2+\sigma_t\varepsilon_1 \\ \quad \\ &\begin{cases} m_t\sqrt{\overline{\alpha_t}}+n_t=\sqrt{\overline{\alpha_{t-1}}} \\ m_t^2(1-\overline{\alpha_t})+\sigma_t^2=1-\overline{\alpha_{t-1}} \end{cases} \\ 解得:&m_t=\sqrt{\frac{1-\overline{\alpha_{t-1}}-\sigma_t^2}{1-\overline{\alpha_t}}} \qquad n_t=\sqrt{\overline{\alpha_{t-1}}}-\sqrt{\frac{\overline{\alpha_t}}{1-\overline{\alpha_t}}(1-\overline{\alpha_{t-1}}-\sigma_t^2)} \\ \quad \\ x_{t-1}&=\sqrt{\frac{1-\overline{\alpha_{t-1}}-\sigma_t^2}{1-\overline{\alpha_t}}} x_t+(\sqrt{\overline{\alpha_{t-1}}}-\sqrt{\frac{\overline{\alpha_t}}{1-\overline{\alpha_t}}(1-\overline{\alpha_{t-1}}-\sigma_t^2)})x_0+\sigma_t\varepsilon_1 \\ &=\sqrt{\overline{\alpha_{t-1}}}x_0+\sqrt{{1-\overline{\alpha_{t-1}}-\sigma_t^2}}(\frac{1}{\sqrt{{1-\overline{\alpha_{t}}}}}x_t-\frac{\sqrt{{\overline{\alpha_{t}}}}}{\sqrt{{1-\overline{\alpha_{t}}}}}x_0)+\sigma_t\varepsilon_1 \\ x_{t-1}&=\sqrt{\overline{\alpha_{t-1}}}x_0+\sqrt{{1-\overline{\alpha_{t-1}}-\sigma_t^2}} \quad \frac{x_t-\sqrt{{\overline{\alpha_{t}}}}x_0}{\sqrt{{1-\overline{\alpha_{t}}}}}+\sigma_t\varepsilon_1 \\ &\qquad \qquad \textcolor{red}{x_0=\hat{x_{0|t}} \qquad \frac{x_t-\sqrt{{\overline{\alpha_{t}}}}x_0}{\sqrt{{1-\overline{\alpha_{t}}}}} =\varepsilon_{\theta}(x_t,t)} \\ \quad \\ if& \quad \sigma_t=\sigma_{DDPM} \qquad DDIM \rightarrow DDPM \end{aligned}
全部评论

相关推荐

刚刷到字节跳动官方发的消息,确实被这波阵仗吓了一跳。在大家还在纠结今年行情是不是又“寒冬”的时候,字节直接甩出了史上规模最大的转正实习计划——ByteIntern。咱们直接看几个最硬的数,别被花里胡哨的宣传词绕晕了。首先是“量大”。全球招7000多人是什么概念?这几乎是把很多中型互联网公司的总人数都给招进来了。最关键的是,这次的资源分配非常精准:研发岗给了4800多个Offer,占比直接超过六成。说白了,字节今年还是要死磕技术,尤其是产品和AI领域,这对于咱们写代码的同学来说,绝对是今年最厚的一块肥肉。其次是大家最关心的“转正率”。官方直接白纸黑字写了:整体转正率超过50%。这意味着只要你进去了,不划水、正常干,每两个人里就有一个能直接拿校招Offer。对于2027届(2026年9月到2027年8月毕业)的同学来说,这不仅是实习,这简直就是通往大厂的快捷通道。不过,我也得泼盆冷水。坑位多,不代表门槛低。字节的实习面试出了名的爱考算法和工程实操,尤其是今年重点倾斜AI方向,如果你简历里有和AI相关的项目,优势还是有的。而且,转正率50%也意味着剩下那50%的人是陪跑的,进去之后的考核压力肯定不小。一句话总结: 27届的兄弟们,别犹豫了。今年字节这是铁了心要抢提前批的人才,现在投递就是占坑。与其等到明年秋招去千军万马挤独木桥,不如现在进去先占个工位,把转正名额攥在手里。
喵_coding:别逗了 50%转正率 仔细想想 就是转正与不转正
字节7000实习来了,你...
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
正在热议
更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务