基本介绍 此应用是基于 Sing-box 的多平台客户端，可用作通用代理工具链。此应用提供广泛的功能。它还支持大量协议。此应用免费使用、无广告且开源。它提供了一种安全且私密的工具来访问免费互联网。 支持多种协议，如： ECH、Sing-box、V2ray、Xray、Vless、Vmess、Trojan、Reality、gRPC、WebSocket、Quic、TUIC、Hysteria、Hysteria2、Shadowtls、SSH、Clash、Clash meta 支持不同的订阅链接，如： Clash、Sing-b…
扩散过程 对于扩散过程中的连续两步，x_{t}由x_{t-1}和高斯噪声加权求和得到。 在每一步的扩散过程中，随机采样的高斯噪声想互独立。 将两个扩散步骤合并后，由于高斯函数的性质，高斯噪声经过加权求和后仍然是高斯噪声。 所以最终扩散过程 x_t =(\sqrt{1-\beta_{1}}...\sqrt{1-\beta_{t}})x_0+\sqrt{1-(1-\beta_{1})\ldots(1-\beta_{t})} \ \epsilon ,\quad \epsilon \sim\mathcal{N}(\math…
影像生成模型共同目标 在一个简单样本分布中任意向量样本，通过神经网络生成复杂样本分布。这种生成的分布和真实情况作比较。 对于文字生成图片的模型来说，输入不仅有简单样本分布的样本向量，文字也可以作为输入向量。 最大似然估计 最大似然估计（Maximum Likelihood Estimation，MLE）是一种统计学中常用的参数估计方法。这种方法的基本思想是：给定一个概率模型和一些观测数据，我们需要找到模型参数的最佳值，使得在这些参数下，观测数据出现的概率（也称为似然）最大。 假设从现实世界中采样出 x^1\righ…
基本概念 训练算法 推理算法
HMM（隐马尔可夫模型） 生成模型 $\pi$ ：初始概率分布 A：状态转移矩阵 B：观测概率矩阵(有的文章中称之为发射矩阵)，指从隐藏层向观测层发射的概率矩阵。 生成模型建模对象为联合概率分布。 假设 齐次一阶马尔可夫假设 当前状态只和前一个状态有关 状态转移与时间无关（所有转移矩阵是同一个） 观测独立假设 MEMM（最大熵马尔可夫模型） 判别模型
Framework 文字转成向量 向量和噪声转成中间产物 中间产物转图像 Text Encoder FID CLIP Decoder Generation Model
概念讲解 【李宏毅】2024年公认最好的扩散模型【Diffusion Model】教程！从入门到进阶，一套全解决！-附带课件_哔哩哔哩_bilibili 反向过程（Reverse Process） 一步一步从噪声中恢复出原图像 去噪模型（Denoise Modle） 同一个Denoise Modle，输出还有step，代表现在噪声严重程度。 根据step产生噪声，从噪声图像中去除噪声，得到清晰图像。 前向过程（Forward Process） 文生图 数据集，包括文字和图像
