본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다.이 글을 읽기전에 먼저 읽어보세요: Deep Unsupervised Learning using Nonequilibrium Thermodynamics">이 글을 읽기전에 먼저 읽어보세요:Deep Unsupervised Learning using Nonequilibrium ThermodynamicsDDPM은 데이터에 가우시안 노이즈를 단계적으로 주입하는 전방 확산 $q$을 **고정**해 두고, 이를 제거하는 가우시안 역과정의 평균만 신경망으로 학습하..

본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 해당 논문에서 발췌한 것입니다. 이 자료들은 논문의 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원 논문을 참고하여 확인하시기 바랍니다.이 논문은 비평형 통계물리(예: Jarzynski 평등식)와 순차 몬테카를로 아이디어를 차용해, 단순한 기준 분포(가우시안 등)를 데이터 분포로 점진적으로 변환하는 전방 확산 과정을 정의하고, 그 역과정을 가우시안 마르코프 전이(평균·공분산 함수)를 학습하여 되돌리는 “확산 확률모형”을 제안한다. 모델 자체를 “전이 사슬의 끝점”으로 정의함으로써 각 단계의 전이확률이 해석 가능해지고, 이에 따라 샘플링이 정확하며(체인 시뮬레이션), 로그우도(또는 ..