Master Thesis Online
Master Thesis : Diffusion models : seek of information and structure in latent space
Maziane, Yassine 
Promoteur(s) :
Louppe, Gilles
Date de soutenance : 4-sep-2023/5-sep-2023 • URL permanente : http://hdl.handle.net/2268.2/18351
TFE_to_deliver.pdfDétails
| Titre : | Master Thesis : Diffusion models : seek of information and structure in latent space |
| Auteur : | Maziane, Yassine
|
| Date de soutenance : | 4-sep-2023/5-sep-2023 |
| Promoteur(s) : | Louppe, Gilles
|
| Membre(s) du jury : | Wehenkel, Louis
Geurts, Pierre
|
| Langue : | Anglais |
| Nombre de pages : | 137 |
| Mots-clés : | [en] Generative AI [en] Diffusion models [en] Latent spaces |
| Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
| Public cible : | Chercheurs Professionnels du domaine Etudiants |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master : ingénieur civil en science des données, à finalité spécialisée |
| Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[en] This thesis investigates diffusion models, a subset of generative modeling, focusing on when and how they make feature choices during data generation. Contrary to prevailing beliefs of instant choices, experiments reveal that these decisions evolve gradually over denoising steps. Feature preservation and destruction in the forward process are guided by noise variance schedules, while crucial feature choices occur symmetrically in the diffusion process.
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.