¿Qué es la parametrización de predicción v vs eps?

v-prediction y eps-prediction son dos formas diferentes de parametrizar el proceso de difusión en modelos generativos, como los modelos de difusión para la generación de imágenes.

• v-prediction (predicción de velocidad) — el modelo se entrena para predecir la "velocidad" de cambio del ruido, es decir, una combinación de la imagen original y el ruido. Esto permite mejorar la estabilidad y la calidad de la generación, ya que el modelo se enfoca en predecir la dirección del cambio.

• eps-prediction (predicción de epsilon) — el modelo predice directamente el ruido añadido en cada paso de la difusión. Este es un enfoque clásico, donde la tarea del modelo es restaurar el ruido para luego obtener la imagen limpia.

La principal diferencia es que v-prediction puede tener en cuenta mejor la dinámica del proceso de difusión, lo que a veces conduce a resultados de mayor calidad y un entrenamiento más estable. La elección de la parametrización depende de la arquitectura y la tarea, pero ambas son ampliamente utilizadas en modelos de difusión modernos.