機器學習基礎
下列關於生成影像等資料之模型的敘述，何者適當？
- AGAN（生成對抗網路）只訓練區分真假的判別器，不訓練產生資料的生成器
- B擴散模型只進行一次去除雜訊的計算就產生影像，因此生成所需的計算量比GAN少
- C擴散模型考慮對資料逐步加入雜訊的過程，學習逐步去除該雜訊的處理，從雜訊生成影像
查看答案與解析
正確答案：C. 擴散模型考慮對資料逐步加入雜訊的過程，學習逐步去除該雜訊的處理，從雜訊生成影像
GAN讓產生資料的生成器，與判斷資料是真實資料或生成器所產生之資料的判別器，以互相競爭的方式交替訓練。擴散模型則以反向追溯「對資料逐步加入雜訊」之過程的方式，訓練在各階段估計並去除雜訊的網路，從純雜訊逐步生成資料。擴散模型的生成需要多個階段的計算，但訓練較穩定，容易產生多樣且高品質的影像。
- A. GAN會交替訓練生成器與判別器兩者。
- B. 擴散模型會在許多階段反覆進行去除雜訊的計算，因此生成的計算量一般比GAN多。
- C. 正確。學習逐步去除雜訊的處理，從雜訊產生資料。