Czym jest parametryzacja predykcji v vs eps?

v-prediction i eps-prediction to dwa różne sposoby parametryzacji procesu dyfuzji w modelach generatywnych, takich jak modele dyfuzji do generowania obrazów.

• v-prediction (predykcja prędkości) — model jest trenowany do przewidywania "prędkości" zmiany szumu, czyli pewnej kombinacji oryginalnego obrazu i szumu. Pozwala to na poprawę stabilności i jakości generacji, ponieważ model skupia się na przewidywaniu kierunku zmiany.

• eps-prediction (predykcja epsilon) — model bezpośrednio przewiduje szum dodany na każdym kroku dyfuzji. To klasyczne podejście, w którym zadaniem modelu jest przywrócenie szumu, aby następnie uzyskać czysty obraz.

Główna różnica polega na tym, że v-prediction może lepiej uwzględniać dynamikę procesu dyfuzji, co czasami prowadzi do lepszych wyników i bardziej stabilnego treningu. Wybór parametrizacji zależy od architektury i zadania, ale oba są szeroko stosowane we współczesnych modelach dyfuzji.