Diffusion Models Beat GANs on Image Synthesis

Diffusion Models Beat GANs on Image Synthesis
Data	2021
Autori	Prafulla Dhariwal; Alex Nichol
URL	https://www.semanticscholar.org/paper/64ea8f180d0682e6c18d1eb688afdb2027c02794
Topic	Modelli di Diffusione
Citazioni	4806

Questo articolo dimostra che i modelli di diffusione possono generare immagini di qualità superiore rispetto agli attuali modelli generativi. Gli autori raggiungono questo risultato migliorando l'architettura dei modelli di diffusione e introducendo la "classifier guidance", un metodo che permette di bilanciare la diversità e la fedeltà delle immagini generate. I risultati mostrano che i modelli di diffusione superano le GAN in termini di qualità, varietà e stabilità del training.