| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
Tags
- extended thinking
- PEFT
- context engineering
- model context protocol
- chain-of-thought
- Positional Encoding
- 트랜스포머
- RLHF
- catastrophic forgetting
- langgraph
- reinforcement learning from human feedback
- Embedding
- gqa
- 토크나이저
- flashattention
- Langchain
- MQA
- CoT
- test-time scaling
- Multi-Head Attention
- self-attention
- attention
- BLEU
- fréchet inception distance
- re-ranking
- transformer
- Engineering at Anthropic
- rotary position embedding
- SK AI SUMMIT 2025
- MHA
Archives
- Today
- Total
목록LDM (1)
AI Engineer 공간 "사부작 사부작"
확산 모델 마스터하기: 핵심 원리와 잠재 확산 모델의 혁신적 효율성이미지 생성 분야는 인공지능의 눈부신 발전 속에서 가장 뜨거운 영역 중 하나입니다. 그중에서도 확산 모델(Diffusion Models)은 마치 마법처럼 현실과 구분하기 어려운 고품질 이미지를 만들어내며 주목받고 있습니다. 하지만 이 놀라운 기술 뒤에는 어떤 원리가 숨어있을까요? 그리고 어떻게 하면 이 과정을 더욱 효율적으로 만들 수 있을까요? 이번 글에서는 확산 모델의 핵심 작동 방식과, 그 효율성을 한 차원 끌어올린 잠재 확산 모델(Latent Diffusion Models, LDM)의 비밀을 파헤쳐 보겠습니다.확산 과정의 두 얼굴: 노이즈 추가와 제거의 예술확산 모델의 작동 원리는 크게 두 가지 단계로 나눌 수 있습니다. 순방향 과정..
Theory/Image Generation-Diffusion
2025. 5. 21. 23:08