17
Apr
生成扩散模型漫谈（二十三）：信噪比与大图生成（下）
By 苏剑林 | 2024-04-17 | 31452位读者 | 引用上一篇文章《生成扩散模型漫谈（二十二）：信噪比与大图生成（上）》中，我们介绍了通过对齐低分辨率的信噪比来改进noise schedule，从而改善直接在像素空间训练的高分辨率图像生成（大图生成）的扩散模型效果。而这篇文章的主角同样是信噪比和大图生成，但做到了更加让人惊叹的事情——直接将训练好低分辨率图像的扩散模型用于高分辨率图像生成，不用额外的训练，并且效果和推理成本都媲美直接训练的大图模型！
这个工作出自最近的论文《Upsample Guidance: Scale Up Diffusion Models without Training》，它巧妙地将低分辨率模型上采样作为引导信号，并结合了CNN对纹理细节的平移不变性，成功实现了免训练高分辨率图像生成。
思想探讨
我们知道，扩散模型的训练目标是去噪（Denoise，也是DDPM的第一个D）。按我们的直觉，去噪这个任务应该是分辨率无关的，换句话说，理想情况下低分辨率图像训练的去噪模型应该也能用于高分辨率图像去噪，从而低分辨率的扩散模型应该也能直接用于高分辨率图像生成。
17
Jul
【生活杂记】用电饭锅来煮米汤
By 苏剑林 | 2024-07-17 | 14752位读者 | 引用
15
Aug
让MathJax更好地兼容谷歌翻译和延时加载
By 苏剑林 | 2024-08-15 | 17042位读者 | 引用很早之前，就有读者提出希望把Cool Papers上面的数学公式渲染一下，因为很多偏数学的论文，它们的摘要甚至标题上都带有LaTeX代码写的数学公式，如果不把这些公式渲染出来，那么看上去就像是一堆乱码，确实会比较影响阅读体验。然而，之前的测试显示，负责渲染公式的MathJax跟谷歌翻译和延时加载都不大兼容，所以尽管需求存在已久，但笔者一直没有把它加上去。
不过好消息是，经过反复查阅和调试，这两天笔者总算把兼容性问题解决了，所以现在大家看到的Cool Papers已经能够渲染数学公式了。这篇文章总结一下解决方案，供大家参考。
摘要带有公式的论文
26
Sep
利用“熄火保护 + 通断器”实现燃气灶智能关火
By 苏剑林 | 2024-09-26 | 14655位读者 | 引用
2
Feb
喜迎新春！兔年快乐！2011~
By 苏剑林 | 2011-02-02 | 37176位读者 | 引用
Astronomy Calendar of Celestial Events
2012年全年天象
翻译自NASA：http://eclipse.gsfc.nasa.gov/SKYCAL/SKYCAL.html
（北京时间）
一月
01 日 14:15 上弦月
01 日 金星位于： 34° E
03 二 04:19 月球过远地点： 404600 km
04 三 15:23 象限仪座流星雨：ZHR = 120
05 四 11:59 地球过近日点：0.9833 AU
05 四 17:17 月合昴宿星团 3.1° N
06 五 22:30 月亮过升交点
07 六 05:46 月亮过最北点: 22.5° N
09 一 15:30 满月
16 一 15:21 月合角宿一 2° N
16 一 17:08 下弦月
18 三 05:28 月球过近地点： 369900 km
20 五 02:26 月亮过降交点
20 五 10:12 月亮过最南点: 22.5° S
23 一 15:39 新月
31 二 01:42 月球过远地点：404300 km
31 二 12:10 上弦月
最近评论