dernieres modifs

slides/slides.md

@@ -247,7 +247,9 @@ Plusieurs méthodes pour faire dla diffusion, \
 la + simple d'entre elles c'est DDPM. \
 Le principe, apprendre mapping entre données et gaussienne isotropique.
 
-Ce mapping apprendre via réseau débruiteur (denoising). \
+Plus exactement, apprendre mapping inverse car, \
+Pour passer données à gaussienne on ajoute juste du bruit, \
+Pour process inverse, approximer réseau débruiteur (denoising). \
 Pour se faire (algo 1), \
 on prend une de nos données (x0), \
 on la bruite (xt), \
@@ -255,7 +257,8 @@ on la donne notre réseau, on récupère la prédiction (eps_theta), \
 on opti le réseau à prédire le bruit que l'on a ajouté (eps).
 
 Convergence atteinte, \
-on est capable de débruiter des données.
+on est capable de débruiter des données, \
+(plusieurs étape, itérativement)
 
 Intéressant lorsqu'on part d'un bruit blanc (xT), \
 et que l'on demande quand même au réseau de débruiter. \
@@ -282,7 +285,8 @@ et génère finalement nouvelle donnée même distrib de celles qu'il a apprises
 On peut l'appliquer à nos aubes,
 example du forward process sur une aube 3D, \
 (subsample 2048 points et normalisé donc un peu applati), \
-à la fin on obtient truc qui ressemble à une gaussienne.
+à la fin on obtient truc qui ressemble à une gaussienne. \
+(mapping discret, ici 100 pas de temps).
 
 Ce genre de données input réseau capable traiter des pointcloud, \
 comme par exemple un réseau basés sur des KPConvs, \
@@ -353,16 +357,13 @@ mais meilleurs méthodes depuis 2020.
 <a href="https://arxiv.org/abs/2112.10752" class="absolute bottom-0 font-extralight mb-1 mr-2 right-0 text-xs">arxiv:2112.10752</a>
 
 <!--
-Présentation des LDM qui permettent de traiter plus efficacement nos données.
+auteur du papier observent que si prend x0, \
+et que pour tout t allant de 0 a T, \
+calcul RMSE (distortion) + Rate (KLD reverse process et approx), \
+et que l'on trace RMSE fonction de Rate, \
+on obtient ceci.
 
-Part du constat que si l'on trace pour t, \
-l'erreur de reconstruction (RMSE, distortion) en fonction de t, \
-(on prend x_0, on le bruite x_t, on prédit x_0_hat, pour chaque t), \
-le Rate (issue de l'ELBO, une KLD) en fonction de t, \
-(KLD=#bits nécéssaire pour passer de P à Q), \
-on combine les deux pour avoir distortion en fonction de rate. \
-
-On observe qu'on a deux domaine dans le processus de diffusion, \
+Interprétaion, deux zones dans processus diffusion, \
 un domaine nécéssite bcp de bits et encode peu de distortion, \
 l'autre inverse, peu bits, bcp de distortion, \
 donc un peu du gachi de réseau neurone le perceptuel, \
@@ -373,9 +374,8 @@ Espace latent sont une possibilité, \
 utilisation, par ex, d'autoencoder, qui s'occuper du perceptuel, \
 la diffusion préoccupe que du semantic. \
 
-Ça revient à modifier la pipeline de diffusion comme suit:
-
-avantage, latent space plus petit, donc modèle plus petit, simple, rapide...
+Ça revient à modifier la pipeline de diffusion comme suit: \
+avantage, latent space petit, donc modèl, petit, simple, rapide...
 -->
 
 ---
@@ -414,11 +414,12 @@ pas besoin méthode reconstruction dans ce cas.
 
 <!--
 Jusqu'à présent, avec tout ce que j'ai dit, \
-capable de générer des données ressemble certaine densité proba. \
+capable de générer des données ressemble données d'entrée. \
 (non conditionné)
 
-Cependant on veut générer données ressemblent densité proba jointe avec classe. \
-(conditionné).
+Cependant on veut générer données ressemblent données d'entrée specifiques. \
+On pourrait très bien entrainer un modèle par classe, \
+mais c'est long et en plus nous on a pas de classes discète.
 
 Il existe plusieurs méthode pour faire cela, \
 l'un d'entre elle etant cfg.
@@ -428,10 +429,6 @@ prédiction non conditionnée et conditionnée.
 
 On complexifie un peu plus l'apprentissage, \
 mais sampling pouvoir choisir quel densité de proba on veut gen.
-
-On pourrait très bien entrainer un modèle par classe, \
-mais c'est long et en plus nous on a pas de classes discète, \
-là on fait tout en même temps...
 -->
 
 ---