Fugu-MT 論文翻訳(概要): Diffusion Models in NLP: A Survey

論文の概要: Diffusion Models in NLP: A Survey

arxiv url: http://arxiv.org/abs/2303.07576v1
Date: Tue, 14 Mar 2023 01:53:49 GMT
ステータス: 処理完了
システム内更新日: 2023-03-15 16:42:18.147962
Title: Diffusion Models in NLP: A Survey
Title（参考訳）: nlpにおける拡散モデル:調査
Authors: Yuansong Zhu, Yu Zhao
Abstract要約: 拡散モデルは深層生成モデルの強力なファミリーとなり、多くのアプリケーションで記録的な性能を発揮している。本稿ではまず,拡散モデルの基本理論の概要と導出を行い,自然言語処理分野における拡散モデルの研究成果について概説する。
参考スコア（独自算出の注目度）: 1.5138755188783584
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diffusion models have become a powerful family of deep generative models, with record-breaking performance in many applications. This paper first gives an overview and derivation of the basic theory of diffusion models, then reviews the research results of diffusion models in the field of natural language processing, from text generation, text-driven image generation and other four aspects, and analyzes and summarizes the relevant literature materials sorted out, and finally records the experience and feelings of this topic literature review research.
Abstract（参考訳）: 拡散モデルは、多くのアプリケーションで記録的な性能を持つ、深い生成モデルの強力なファミリーとなっている。本稿では,まず拡散モデルの基本理論の概要と導出を行い,テキスト生成,テキスト駆動画像生成,その他4つの側面から自然言語処理の分野での拡散モデルの研究結果をレビューし,関連文献の分類と要約を行い,最後に,文献レビュー研究の経験と感想を記録する。

関連論文リスト

Alignment of Diffusion Models: Fundamentals, Challenges, and Future [28.64041196069495]
拡散モデルは生成モデルの主要なパラダイムとして登場し、様々な応用に優れています。彼らの成功にもかかわらず、これらのモデルは、しばしば人間の意図に反し、テキストのプロンプトと一致しない、あるいは望ましい特性を持たない出力を生成する。大規模言語モデルの調整におけるアライメントの成功に触発された最近の研究は、人間の期待や嗜好と拡散モデルの整合性について研究している。
論文参考訳（メタデータ） (2024-09-11T13:21:32Z)
A Comprehensive Survey on Diffusion Models and Their Applications [0.4218593777811082]
拡散モデルは拡散過程をシミュレートして現実的なサンプルを作成する確率論的モデルである。これらのモデルは、画像処理、音声合成、自然言語処理といった領域で人気を博している。このレビューは、拡散モデルをより深く理解し、より広く採用することを目的としている。
論文参考訳（メタデータ） (2024-07-01T17:10:29Z)
Diffusion Models in Low-Level Vision: A Survey [82.77962165415153]
拡散モデルに基づくソリューションは、優れた品質と多様性のサンプルを作成する能力で広く称賛されている。本稿では,3つの一般化拡散モデリングフレームワークを提案し,それらと他の深層生成モデルとの相関関係について検討する。医療、リモートセンシング、ビデオシナリオなど、他のタスクに適用された拡張拡散モデルについて要約する。
論文参考訳（メタデータ） (2024-06-17T01:49:27Z)
An Overview of Diffusion Models: Applications, Guided Generation, Statistical Rates and Optimization [59.63880337156392]
拡散モデルはコンピュータビジョン、オーディオ、強化学習、計算生物学において大きな成功を収めた。経験的成功にもかかわらず、拡散モデルの理論は非常に限定的である。本稿では,前向きな理論や拡散モデルの手法を刺激する理論的露光について述べる。
論文参考訳（メタデータ） (2024-04-11T14:07:25Z)
A Survey on Video Diffusion Models [103.03565844371711]
AI生成コンテンツ(AIGC)の最近の波は、コンピュータビジョンでかなりの成功を収めている。その印象的な生成能力のため、拡散モデルは徐々にGANと自動回帰変換器に基づく手法に取って代わられている。本稿では,AIGC時代の映像拡散モデルについて概観する。
論文参考訳（メタデータ） (2023-10-16T17:59:28Z)
A Survey of Diffusion Models in Natural Language Processing [11.233768932957771]
拡散モデルは、ネットワークや多様体にまたがる情報や信号の拡散を捉える。本稿は,NLPで使用される拡散モデルの異なる定式化,その強度と限界,それらの応用について論じる。
論文参考訳（メタデータ） (2023-05-24T03:25:32Z)
Diffusion Models for Time Series Applications: A Survey [23.003273147019446]
拡散モデルは現在、画像、ビデオ、テキスト合成に使われている。我々は,時系列予測,計算,生成のための拡散に基づく手法に着目する。拡散型手法の共通限界を結論し,今後の研究の方向性を明らかにする。
論文参考訳（メタデータ） (2023-05-01T02:06:46Z)
Diffusion Models for Non-autoregressive Text Generation: A Survey [94.4634088113513]
非自己回帰(NAR)テキスト生成は自然言語処理の分野で大きな注目を集めている。近年、拡散モデルがNARテキスト生成に導入され、テキスト生成品質が向上した。
論文参考訳（メタデータ） (2023-03-12T05:11:09Z)
Diffusion Models in Vision: A Survey [80.82832715884597]
拡散モデルは、前方拡散段階と逆拡散段階の2つの段階に基づく深層生成モデルである。拡散モデルは、既知の計算負荷にもかかわらず、生成したサンプルの品質と多様性に対して広く評価されている。
論文参考訳（メタデータ） (2022-09-10T22:00:30Z)
A Survey on Generative Diffusion Model [75.93774014861978]
拡散モデルは、深層生成モデルの新たなクラスである。時間を要する反復生成過程や高次元ユークリッド空間への閉じ込めなど、いくつかの制限がある。本調査では,拡散モデルの向上を目的とした高度な手法を多数提示する。
論文参考訳（メタデータ） (2022-09-06T16:56:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。