« Modèle à bruit statistique » : différence entre les versions
m (Remplacement de texte : « == Anglais == » par « <span id="en"></span> == Anglais == ») |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
[[Modèle génératif]] obtenu par [[apprentissage automatique]], au cours duquel est éliminé le bruit statistique préalablement ajouté aux [[données]] du jeu de [[données d'entraînement]] et qui produit de nouveaux contenus audio ou | [[Modèle génératif]] obtenu par [[apprentissage automatique]], au cours duquel est éliminé le bruit statistique préalablement ajouté aux [[données]] du jeu de [[données d'entraînement]] et qui produit de nouveaux contenus audio ou des images. | ||
Ce type de modèle permet de générer des images détaillées et réalistes à partir de descriptions textuelles. | |||
== Complément == | == Complément == | ||
Les modèles à bruit statistique sont des [[modèle génératif|modèles génératifs]], ce qui signifie qu'ils sont utilisés pour générer des données similaires aux données sur lesquelles ils ont été entraînés. Fondamentalement, les modèles à bruit statistique fonctionnent en détruisant les [[données d'entraînement]] par l'ajout successif de bruit statistique, puis apprennent à récupérer les données en inversant ce processus de bruitage par le débruitage. Bref, un modèle à bruit statistique apprend à débruiter des données. | Les modèles à bruit statistique sont des [[modèle génératif|modèles génératifs]], ce qui signifie qu'ils sont utilisés pour générer des données similaires aux données sur lesquelles ils ont été entraînés. Fondamentalement, les modèles à bruit statistique fonctionnent en détruisant les [[données d'entraînement]] par l'ajout successif de bruit statistique, puis apprennent à récupérer les données en inversant ce processus de bruitage par le débruitage. Bref, un modèle à bruit statistique apprend à débruiter des données. | ||
Ils fonctionnent en apprenant à faire correspondre l'[[espace latent]] d'un réseau générateur d'images à l'espace des descriptions textuelles, ce qui leur permet de générer des images représentatives de [[requête générative|requêtes génératives]]. | |||
La [[requête générative]] donnée à un modèle à bruit statistique peut aussi être une image assortie d'un texte spécifiant par exemple l'application d'un style ou l'ajout d'un élément dans la composition du contenu à produire. | |||
== Français == | == Français == | ||
| Ligne 13 : | Ligne 17 : | ||
'''modèle de diffusion probabiliste''' | '''modèle de diffusion probabiliste''' | ||
'''modèle de diffusion latente''' | |||
'''diffusion latente''' | |||
<span id="en"></span> | <span id="en"></span> | ||
| Ligne 45 : | Ligne 53 : | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:Publication]] | |||
Dernière version du 24 septembre 2026 à 04:06
Définition
Modèle génératif obtenu par apprentissage automatique, au cours duquel est éliminé le bruit statistique préalablement ajouté aux données du jeu de données d'entraînement et qui produit de nouveaux contenus audio ou des images.
Ce type de modèle permet de générer des images détaillées et réalistes à partir de descriptions textuelles.
Complément
Les modèles à bruit statistique sont des modèles génératifs, ce qui signifie qu'ils sont utilisés pour générer des données similaires aux données sur lesquelles ils ont été entraînés. Fondamentalement, les modèles à bruit statistique fonctionnent en détruisant les données d'entraînement par l'ajout successif de bruit statistique, puis apprennent à récupérer les données en inversant ce processus de bruitage par le débruitage. Bref, un modèle à bruit statistique apprend à débruiter des données.
Ils fonctionnent en apprenant à faire correspondre l'espace latent d'un réseau générateur d'images à l'espace des descriptions textuelles, ce qui leur permet de générer des images représentatives de requêtes génératives.
La requête générative donnée à un modèle à bruit statistique peut aussi être une image assortie d'un texte spécifiant par exemple l'application d'un style ou l'ajout d'un élément dans la composition du contenu à produire.
Français
modèle à bruit statistique
modèle de diffusion
modèle de diffusion probabiliste
modèle de diffusion latente
diffusion latente
Anglais
diffusion model
diffusion probabilistic model
latent diffusion model
LDM
score-based generative model
Generative model obtained by machine learning, during which statistical noise previously added to the training data set is eliminated and new audio or graphic content is produced.
Español
modelo de difusión
modelos probabilísticos de difusión
Modelo generativo obtenido mediante aprendizaje automático, durante el cual se elimina el ruido estadístico añadido previamente a los datos del conjunto de datos de entrenamiento y que produce nuevos contenidos sonoros o gráficos.
Source
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Arianne Arel, Claude Coulombe, Espanol: JSZ, Patrick Drouin, wiki





