Este repositorio tiene como objetivo construir una base sólida para entender los modelos de difusión, desde conceptos fundamentales hasta implementaciones prácticas. A lo largo del proyecto, exploraremos papers clave, implementaremos experimentos y desarrollaremos código relacionado.
Para abordar los modelos de difusión de manera progresiva, seguiremos el siguiente plan de estudio:
-
Autoencoders: Para comprender la codificación y decodificación de representaciones latentes, revisaremos el siguiente paper:
-
Arquitectura U-Net: Dado que las U-Nets son fundamentales en los modelos de difusión, analizaremos su diseño y funcionamiento:
-
Modelos de Difusión: Finalmente, profundizaremos en los modelos de difusión a través de una introducción amigable al tema:
- Leer y analizar los papers fundamentales sobre modelos de difusión.
- Implementar experimentos en código para afianzar los conocimientos.
- Explorar arquitecturas y estrategias utilizadas en difusión de imágenes.
- Crear ejemplos y demostraciones prácticas.
Si deseas contribuir con este proyecto, puedes hacerlo de las siguientes maneras:
- Proponiendo mejoras en la documentación.
- Implementando código y experimentos adicionales.
- Compartiendo referencias y recursos que complementen el estudio.
Si tienes preguntas o sugerencias, siéntete libre de abrir un issue o enviar un pull request.
- Deep Generative Modeling - Un libro comprehensivo que cubre los fundamentos del modelado generativo, incluyendo VAEs, GANs, Flujos Normalizadores y Modelos de Difusión. Ofrece una base teórica sólida y ejemplos prácticos. Particularmente es valioso revisar el capitulo 1,3, 4 y 6 que cubren varios de los conceptos fundamentales para los modelos de difusión.
© 2024 - Proyecto de Modelos de Difusión