Séquence présentée par Hatim Bourfoune et Maxime Song de l’IDRIS.

Apparus en 2015, Diffusion Probabilistic Model, fortement améliorés en 2020 avec l’introduction des DDPM (Denoising Diffusion Probabilistic Model), les modèles de diffusions sont une nouvelle classe d’algorithmes génératifs à l’instar des VAEs ou des GANs.

Rendus célèbres par les modèles de génération d’images à partir de descriptions textuelles tels que Stable Diffusion ou Dall-E 2, les modèles de diffusions sont aujourd’hui l’état de l’art de la génération d’images et sont omniprésents dans tous les champs d’applications demandant la génération d’image.

L’objectif de cette séquence est de découvrir les grands principes de cette famille de modèles.

Exemple proposé : génération d’une garde robe :-)

• 00:00 Introduction de la séquence
• 04:58 Sommaire de la séquence
• 05:52 Rappel sur les modèles de génération
• 13:38 Principes des DDPM
• 20:09 Forward Diffusion process
• 25:53 Pause questions #1
• 34:07 Reverse Diffusion process
• 40:20 Pause questions #2
• 42:31 Algorithme d’entraînement
• 46:55 Algorithme de génération
• 49:24 Pause questions #3
• 55:45 Améliorations du DDPM
• 1:06:45 Pause questions #4
• 1:11:00 Latent Diffusion
• 1:13:52 Conditional Diffusion
• 1:17:31 Autres tâches possibles
• 1:22:46 Sources
• 1:24:34 Pause questions #5
• 1:33:18 TP Fashion MNIST Generation
• 1:59:12 Prochainement dans Fidle (et petit mot sur #gpt4 )