“Diffusion model : Les modèles qui dessinent !” (épisode 14)
“Apparus en 2015 (Diffusion Probabilistic Model), fortement améliorés en 2020 avec l’introduction des DDPM (Denoising Diffusion Probabilistic Model), les modèles de diffusions sont une nouvelle classe d’algorithmes génératifs à l’instar des VAEs ou des GANs. Rendus célèbres par les modèles de génération d’images à partir de descriptions textuelles tels que Stable Diffusion ou Dall-E 2, les modèles de diffusions sont aujourd’hui l’état de l’art de la génération d’images et sont omniprésents dans tous les champs d’applications demandant la génération d’image. L’objectif de cette séquence est de découvrir les grands principes de cette famille de modèles.”
NoteToDo this week
Watch the video “Diffusion model : Les modèles qui dessinent !” (épisode 14) before 2026-01-30.
Course
Course webpage: https://fidle.cnrs.fr/w3/archives/2024-2025/14-Diffusion%20model.html
Video course: “Diffusion model : Les modèles qui dessinent !” (épisode 14) (1h30 course)
Outline
- Principe des Diffusion Model
- Le processus et l’architecture du DDPM
- Améliorations et optimisations des DDPM
- Exemple proposé : Génération d’une garde robe
- text-to-image
Tutorial/practical
Diffusion Model (DDPM) using PyTorch
- DDPM1 - Fashion MNIST Generation with DDPM
Diffusion Model example, to generate Fashion MNIST images. - DDPM2 - vDDPM Python classes
Python classes used by DDMP Example