★
Menü
Startseite So wird es gebaut Watchlist Der Stack
Hardware ChipsChips vergleichen Server & SystemeNetzwerk ArbeitsspeicherFoundries & Packaging Kühlung
Anlagen RechenzentrenStrom ProjekteCloud & GPU-Computing
Intelligenz KI-ModelleSoftware KI-ProdukteBenchmarks ForschungspapiereDatensätze Konzepte
Ökosystem UnternehmenAktien PersonenTimeline TrendsZukunft der KI
Lernen Nachrichten Daten befragen KI-Agenten
Über Über uns Methodik Daten & API Haftungsausschluss
Optionen
DATEN & API

Kostenloser, lesender JSON-Zugriff auf die zwischengespeicherten Daten der Website.

Dunkelmodus

Geführte Ansicht
Neu bei Chips, Rechenzentren und Modell-Fachbegriffen? Wir erklären wichtige Begriffe beim Stöbern in verständlicher Sprache. Dieselben Daten, mit integrierter Hilfe.

Expertenansicht
Sie kennen die Materie bereits. Nur die Daten: übersichtlich, schnell und kompakt, ohne zusätzliche Erklärungen. Das ist die Standardansicht.

Oberflächensprache
‹ Zurück
Startseite › Forschungspapiere › Denoising Diffusion Probabilistic Models (2020)

Denoising Diffusion Probabilistic Models (2020)

Forschungspapier Architektur-Überraschung

The DDPM paper behind every image and video generator.

Sie sehen einen Forschungspapier-Eintrag: ein wegweisendes Paper und was es dem Fachgebiet gebracht hat.

Ho, Jain and Abbeel made diffusion practical for image synthesis, and latent diffusion (Rombach 2022) made it cheap enough for consumer GPUs — the two steps from which Stable Diffusion, Midjourney-class systems, Sora and Veo all follow.

So hängt das mit dem Rest des Stacks zusammen

Introduced in · 1 Basis for · 3 Denoising Diffusion Probabilistic Models (2020)

Die Verknüpfungen dieses Datensatzes auf einen Blick – klicken Sie auf eine Gruppe, um dorthin zu springen.

Eingeführt in

Quellen

arXiv 2006.11239 ↗

Datensatz geprüft am 2026-01-15 — Siehe Methodik.