★
Меню
Главная Как это устроено Список наблюдения Стек
Аппаратное обеспечение ЧипыСравнить чипы Серверы и системыСетевая инфраструктура ПамятьFoundry и упаковка Охлаждение
Объекты инфраструктуры Центры обработки данныхЭлектропотребление ПроектыОблачные вычисления и GPU
Интеллект AI-моделиПрограммное обеспечение AI-продуктыБенчмарки Научные статьиДатасеты Концепции
Экосистема КомпанииАкции ЛюдиХронология ТенденцииБудущее ИИ
Обучение Новости Запрос к данным ИИ-агенты
О сайте О нас Методология Данные и API Отказ от ответственности
Параметры
ДАННЫЕ И API

Бесплатный доступ только для чтения к кешированным данным сайта в формате JSON.

Тёмная тема

Режим с подсказками
Не знакомы с терминологией чипов, дата-центров и моделей? Мы объясняем ключевые понятия прямо в процессе просмотра, простым языком. Те же данные, со встроенной подсказкой.

Экспертный режим
Вы уже знаете стек. Только данные: чистые, быстрые и компактные, без лишних пояснений. Это вид по умолчанию.

Язык интерфейса
‹ Назад
Главная › Концепции › Diffusion Models

Diffusion Models

Концепция Основные технические характеристики

Generation by denoising — the engine of images and video.

Перед вами запись-пояснение к понятию: что этот термин означает простыми словами и какие записи он объединяет.

Diffusion models learn to reverse noise: start from static, subtract noise step by step, arrive at an image (or video, or protein pose) matching the prompt. Stable Diffusion, FLUX, Sora-class video and AlphaFold 3's structure module all use it. Inference takes many denoising steps, which is why image/video generation is so much more compute-hungry per output than text.

Место в общей экосистеме

Ссылки этой записи с первого взгляда — нажмите на группу, чтобы перейти к ней.

Связанные

Источники

DDPM paper ↗

Запись актуальна на 2026-01-15 — смотреть Методология.