Grundlagen des maschinellen Lernens
Welche Beschreibung von Modellen, die Bilder und ähnliche Daten erzeugen, trifft zu?
- AEin GAN (Generative Adversarial Network) trainiert nur den Diskriminator, der echte Daten von Fälschungen unterscheidet, nicht aber den Generator, der die Daten erzeugt
- BEin Diffusionsmodell erzeugt ein Bild, indem es die Rauschentfernung nur ein einziges Mal berechnet, und braucht daher für die Erzeugung weniger Rechenaufwand als ein GAN
- CEin Diffusionsmodell betrachtet einen Prozess, der Daten schrittweise Rauschen hinzufügt, lernt, dieses Rauschen Schritt für Schritt zu entfernen, und erzeugt so Bilder aus Rauschen
Antwort und Erläuterung anzeigen
Antwort: C. Ein Diffusionsmodell betrachtet einen Prozess, der Daten schrittweise Rauschen hinzufügt, lernt, dieses Rauschen Schritt für Schritt zu entfernen, und erzeugt so Bilder aus Rauschen
Ein GAN trainiert abwechselnd zwei Netze, die gegeneinander antreten: einen Generator, der Daten erzeugt, und einen Diskriminator, der beurteilt, ob Daten echt sind oder vom Generator stammen. Ein Diffusionsmodell lernt ein Netz, das in jedem Schritt das Rauschen schätzt und entfernt, um den Prozess umzukehren, bei dem den Daten schrittweise Rauschen hinzugefügt wird, und erzeugt Daten Schritt für Schritt aus reinem Rauschen. Ein Diffusionsmodell braucht für die Erzeugung Berechnungen über viele Schritte, doch sein Training ist meist stabil, und es kann leicht vielfältige, hochwertige Bilder erzeugen.
Weiter: 9 weitere Fragen zu Grundlagen des maschinellen Lernens