[일반] 스테이블 디퓨전에서 백본에서 unet을 사용하는 이유가 뭐에요???

[익명(116.36)]

제가 바보라 하나도 모르는 거 맞는데요

latent vector z를 구한다음에 이걸 denosing 할때 왜 unet구조를 사용하나요??

[익명(114.206)]

딴거 아무 백본 써도 됨 근데 왜 유넷 쓴지는 모름 논문에 나와있을듯?

[익명(116.36)]

대충 inductive bias를 사용할 수 있어서 라고 하는데 unet도 대충 밖에 모르고 cross atention은 전혀 몰라서 이해가 안되네요

[익명(114.206)]

저도 디퓨전 제 분야가 아니라 대충 본게 전부라 잘 모르지만 Unet은 그냥 conv 지나면서 피쳐 작아지고 커지게 설계하고 같은 크기 피쳐끼리 더해주는 거고, cross attention은 self attention이랑 작동방식 같은데 그냥 하나가 아니라 두개의 벡터에 관해서 각각 쿼리 발류로 들어가는거임 궁금하면 그냥 논문을 읽으셈 그게 직빵임 모르는건 찾아보면서 ㅇㅇ

[익명(116.36)]

논문을 읽고 있는데 학부생도 아니고 전문대 생이라 이해가 안되서 그래요

[익명(114.206)]

그럼 유튜브, 구글에 검색해서 정리된 블로그 보셈

[익명(116.36)]

아까부터 지금까지 보고있어요 지금 그래도 아직 잘 이해가 안되요

[익명(gulon)]

나도 잘은 모르는데 CNN 모델중에 인풋 아웃풋 사이즈 동일한게 U net이라 사용햤던것 같음 그래서 cnn 모델 대신에 transformer도 사용한다더라

[익명(116.36)]

그니깐 unet을 왜 스테이블 디퓨전에서 백본으로 사용하는지 궁금합니다 무슨 이득을 위해서 하는지 이해가 안되서

[익명(gulon)]

stable diffusion 말고 ddpm을 보면 직관적으로 이해가 되는데.. 픽셀마다 노이즈를 얼마나 줬는지 예측하는 모델이 필요한데 그래서 인풋 아웃풋이 동일한 u net을 사용하는거 같음

[익명(116.36)]

ddpm이 뭐임?? High-Resolution Image Synthesis with Latent Diffusion Models 논문에는 그런 이름 일절 안 나온걸로 아는데

[익명(116.36)]

맞는거 같네요 감사합니다

[익명(219.249)]

디퓨전부터 차근차근 다시공부하셈 - dc App

[익명(116.36)]

넵

[익명(gulon)]

Denoising Diffusion Probabilistic Models

[익명(116.36)]

찾아볼게요

[1(222.100)]

Style controlable generative AI 분야에서 유넷이 제일 goat인 구조라고 알려져 있음.