★
Menu
Home Hoe het wordt gebouwd Watchlist De stack
Hardware ChipsChips vergelijken Servers & systemenNetwerken GeheugenFabrieken & packaging Koeling
Faciliteiten DatacentersVermogen ProjectenCloud & GPU-rekenkracht
Intelligentie AI-modellenSoftware AI-productenBenchmarks OnderzoeksartikelenDatasets Concepten
Ecosysteem BedrijvenAandelen MensenTijdlijn TrendsToekomst van AI
Leren Nieuws Stel de data een vraag AI-agenten
Over Over ons Methodologie Data & API Disclaimer
Opties
DATA & API

Gratis alleen-lezen JSON-toegang tot de gecachte gegevens van de site.

Donkere modus

Begeleid overzicht
Nieuw met chips, datacenters en modeljargon? We leggen belangrijke termen uit terwijl u bladert, in begrijpelijke taal. Dezelfde data, met ingebouwde uitleg.

Expertoverzicht
Je kent de stack al. Gewoon de data: schoon, snel en compact, zonder extra uitleg. Dit is de standaardweergave.

Interfacetaal
‹ Terug
Home › Onderzoeksartikelen › Denoising Diffusion Probabilistic Models (2020)

Denoising Diffusion Probabilistic Models (2020)

Onderzoeksartikel Architectuur

The DDPM paper behind every image and video generator.

U bekijkt een onderzoeksartikelrecord: een invloedrijk artikel en wat het aan het vakgebied heeft toegevoegd.

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.

Hoe dit aansluit op de rest van de stack

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

De koppelingen van dit record in één oogopslag — klik op een groep om er naartoe te springen.

Geïntroduceerd in

Bronnen

arXiv 2006.11239 ↗

Record beoordeeld per 2026-01-15 — bekijk Methodologie.