“Classifier-Free Diffusion Guidance”는 조건부 생성(conditional generation) Diffusion Model을 개선한 논문입니다. 이 논문이 발표되기 이전, 특정 클래스의 이미지를 생성하도록 모델을 유도하는 일반적인 방법은 별도의 이미지 분류기(Classifier)를 활용하는 ‘Classifier Guidance’였습니다. 이 방식은 효과적이었으나, Diffusion Model 외에 노이즈 낀 이...
2020년 발표된 “Denoising Diffusion Probabilistic Models” (DDPM)은 생성 모델 연구에 중요한 전환점을 제시한 논문입니다. 당시 Generative Adversarial Networks (GANs)는 훈련 불안정성과 모드 붕괴(mode collapse)와 같은 문제점에도 불구하고 높은 성능으로 인해 고품질 이미지 생성 분야에서 널리 사용되고 있었습니다. DDPM은 이러한 상황 속에서 Diffusion...
Explains the principles and characteristics of L1 and L2 regularization, their connection to Maximum a Posteriori (MAP) estimation, and how to apply regularization to prevent overfitting in deep learning models.
A statistical method used to evaluate whether differences between two sample means are significant or due to chance.
A detailed exploration of Cross-Entropy and KL Divergence, deriving their formulas step-by-step from the principles of probability and information theory.
“Classifier-Free Diffusion Guidance”는 조건부 생성(conditional generation) Diffusion Model을 개선한 논문입니다. 이 논문이 발표되기 이전, 특정 클래스의 이미지를 생성하도록 모델을 유도하는 일반적인 방법은 별도의 이미지 분류기(Classifier)를 활용하는 ‘Classifier Guidance’였습니다. 이 방식은 효과적이었으나, Diffusion Model 외에 노이즈 낀 이...
2020년 발표된 “Denoising Diffusion Probabilistic Models” (DDPM)은 생성 모델 연구에 중요한 전환점을 제시한 논문입니다. 당시 Generative Adversarial Networks (GANs)는 훈련 불안정성과 모드 붕괴(mode collapse)와 같은 문제점에도 불구하고 높은 성능으로 인해 고품질 이미지 생성 분야에서 널리 사용되고 있었습니다. DDPM은 이러한 상황 속에서 Diffusion...
The Z-transform is a powerful mathematical tool that extends the Fourier Transform to analyze discrete-time signals and systems. This article covers its fundamental concepts, including stability analysis, poles and zeros, and its role in solving difference equations.
This post introduces the Discrete Fourier Transform (DFT) for frequency analysis and the Fast Fourier Transform (FFT), which optimizes computation using a divide-and-conquer approach.
This article explores the process of converting continuous analog signals into digital form, detailing each step—from pre-processing and A/D conversion to D/A reconstruction using methods like ideal, zero-order, and first-order holds. It also discusses key challenges such as aliasing and practical limitations in achieving perfect signal recovery.
This article introduces the key concepts of LTI systems using impulse response, convolution, and difference equations. It explains how these concepts reveal the system's behavior and how to mathematically solve for its response.
