| 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
- context engineering
- fréchet inception distance
- Langchain
- 트랜스포머
- BLEU
- transformer
- attention
- rotary position embedding
- gqa
- catastrophic forgetting
- SK AI SUMMIT 2025
- Engineering at Anthropic
- Positional Encoding
- reinforcement learning from human feedback
- re-ranking
- flashattention
- 토크나이저
- self-attention
- Multi-Head Attention
- CoT
- extended thinking
- chain-of-thought
- model context protocol
- test-time scaling
- MQA
- Embedding
- MHA
- PEFT
- RLHF
- langgraph
Archives
- Today
- Total
목록ddpm (1)
AI Engineer 공간 "사부작 사부작"
확산 모델 샘플링 전략: 속도와 품질의 완벽한 균형을 찾아서
확산 모델 샘플링 전략: 더 빠르고, 더 선명하게 이미지를 창조하는 마법인공지능(AI)이 빚어내는 경이로운 이미지 뒤에는 '확산 모델(Diffusion Model)'이라는 강력한 기술이 숨어있습니다. 이 기술은 마치 안갯속에서 서서히 풍경이 드러나듯, 순수한 노이즈로부터 시작해 점진적으로 디테일을 더해가며 이미지를 완성합니다. 하지만 이 창조의 여정에는 '시간'이라는 큰 숙제가 있었습니다. 초기 확산 모델인 DDPM(Denoising Diffusion Probabilistic Models)은 마치 한 땀 한 땀 정성 들여 수를 놓는 장인처럼 수백, 수천 번의 섬세한 단계를 거쳐야 했기에, 작품 하나를 세상에 내놓기까지 오랜 기다림이 필요했습니다. 이러한 속도의 장벽을 허물고, 예술가의 영감을 더 빠르게 ..
Theory/Image Generation-Diffusion
2025. 5. 23. 08:39