비전에서의 확산 모델: 설문조사

노이즈 제거 확산 모델은 컴퓨터 비전에서 최근 부상한 주제로, 생성 모델링 분야에서 놀라운 결과를 보여주고 있습니다. 확산 모델은 두 단계로 구성된 깊은 생성 모델로, 순방향 확산 단계와 역방향 확산 단계로 나뉩니다. 순방향 확산 단계에서는 입력 데이터에 가우시안 노이즈를 추가하여 여러 단계를 거치면서 점진적으로 변형됩니다. 역방향 단계에서는 모델이 확산 과정을 단계별로 점차적으로 역전시켜 원래의 입력 데이터를 복원하는 작업을 수행합니다. 확산 모델은 생성된 샘플의 품질과 다양성 덕분에 널리 인정받고 있지만, 샘플링 과정에서 포함되는 높은 단계 수로 인한 낮은 속도와 같은 계산 부담이 알려져 있습니다. 이 설문조사에서는 비전에 적용된 노이즈 제거 확산 모델에 관한 기사를 포괄적으로 검토하며, 이론적 및 실용적 기여를 모두 포함하고 있습니다. 먼저, 노이즈 제거 확산 확률 모델, 노이즈 조건 확률 네트워크 및 확률적 미분 방정식을 기반으로 하는 세 가지 일반적인 확산 모델링 프레임워크를 식별하고 제시합니다. 또한 확산 모델과 변분 오토인코더, 생성적 적대 네트워크, 에너지 기반 모델, 자기 회귀 모델 및 정규화 흐름과 같은 다른 깊은 생성 모델 간의 관계에 대해 논의합니다. 그런 뒤, 컴퓨터 비전에 적용된 확산 모델의 다각적 분류를 소개합니다. 마지막으로, 확산 모델의 현재 한계를 설명하고 향후 연구를 위한 몇 가지 흥미로운 방향을 구상합니다.