Qu'est-ce que la paramétrisation de la prédiction v vs eps?

v-prédiction et eps-prédiction sont deux méthodes différentes de paramétrisation du processus de diffusion dans des modèles génératifs, tels que les modèles de diffusion pour la génération d’images.

• v-prédiction (prédiction de la vitesse) — le modèle est entraîné à prédire la "vitesse" de changement du bruit, c’est-à-dire une combinaison de l’image d’origine et du bruit. Cela permet d’améliorer la stabilité et la qualité de la génération, car le modèle se concentre sur la prédiction de la direction du changement.

• eps-prédiction (prédiction d’epsilon) — le modèle prédit directement le bruit ajouté à chaque étape de la diffusion. C’est une approche classique, où la tâche du modèle est de restaurer le bruit pour obtenir ensuite une image propre.

La principale différence est que v-prédiction peut mieux prendre en compte la dynamique du processus de diffusion, ce qui conduit parfois à des résultats de meilleure qualité et à un entraînement plus stable. Le choix de la paramétrisation dépend de l’architecture et de la tâche, mais les deux sont largement utilisées dans les modèles de diffusion modernes.