밑바닥부터 시작하는 딥러닝 5

260

밑바닥부터 시작하는 딥러닝 5

이 코드는 노이즈를

100

번 추가할 때마다 텐서를 이미지로 복원하여 출력합니다. 확산 과정을

중간중간 들여다본 것입니다. 코드를 실행하면 [그림

9

-

10

]과 같은 결과를 얻을 수 있습니다.

그림

9-10

노이즈를 추가하여 조금씩 변화해가는 이미지

그림과 같이 노이즈가 추가되는 과정을 시각화할 수 있습니다. 노이즈가 추가될수록 해바라기

그림의 본래 원소가 사라지고 마지막에는 완전한 노이즈로 변하는 모습을 확인할 수 있습니다.

9.3.3

q

(

x

t

|

x

0

)

으로부터 샘플링

이어서 특정 시각에서의 확산 이미지를 단 한 번의 노이즈 추가로 얻어내는 수식인

q

(

x

t

|

x

0

)

으로부터 샘플링 처리를 구현합니다.

q

(

x

t

|

x

0

)

은 다음과 같이 해석적으로 표현할 수 있습니다.

●

하이퍼파라미터 관계식

●

확률 분포 :

q

(

x

t

|

x

0

)

●

q

(

x

t

|

x

0

)

으로부터 샘플링

261

9

장

확산 모델 구현

여기서 이라는 계산이 필요한데, 파이토치의

torch

.

cumprod

( ) 함수로 계

산할 수 있습니다. 이 함수는 텐서의 누적곱을 계산합니다.

누적곱

cumulative ...