Quelle est la différence entre DDIM et DDPM?

DDPM (Modèles Probabilistes de Diffusion de Dénaturation) et DDIM (Modèles Implicites de Diffusion de Dénaturation) sont des méthodes de modélisation générative basées sur des processus de diffusion, mais elles diffèrent par leur méthode d’échantillonnage et leur efficacité.

DDPM est un processus de diffusion classique qui apprend à reconstruire des données à partir d’un état bruité, en utilisant un processus inverse stochastique. L’échantillonnage se fait en plusieurs étapes avec l’ajout et la suppression de bruit, ce qui nécessite de nombreuses itérations.

DDIM est une modification de DDPM qui utilise un processus inverse déterministe, permettant de réduire considérablement le nombre d’étapes d’échantillonnage sans perte de qualité significative. DDIM remplace le processus stochastique par un processus plus direct, accélérant la génération et la rendant plus contrôlable.

Principales différences :

• DDIM permet de générer avec moins d’étapes (échantillonnage accéléré).
• DDIM utilise un processus déterministe, permettant de contrôler la trajectoire de génération.
• DDPM est stochastique, offrant des échantillons plus variés, mais plus lent.

Ainsi, DDIM est une amélioration de DDPM, visant à accélérer et contrôler le processus de génération dans les modèles de diffusion.