
AI 및 컴퓨팅
확산 모델: 순방향 잡음 제거 및 역방향 잡음 제거
- 구성:
- 위와 아래에 반대쪽 화살표가 있는 이미지 한 줄
- 화면 비율:
- 16:9
프롬프트
【이미지 생성을 위한 확산 모델】의 도식을 만듭니다. 5개의 작은 이미지가 가로로 한 줄로 표시됩니다. 가장 왼쪽에는 【꽃】이 선명하게 그려져 있습니다. 오른쪽으로 이동하면 각 이미지에 더 많은 얼룩덜룩한 노이즈가 있고 가장 오른쪽에는 순수한 회색 정적 이미지가 있습니다.
1. 행 위에는 하나의 긴 화살표가 왼쪽에서 오른쪽을 가리킵니다. 순방향 프로세스는 노이즈를 단계적으로 추가합니다.
2. 행 아래에는 오른쪽에서 왼쪽으로 향하는 하나의 긴 화살표가 있습니다. 반대 프로세스를 수행하면 노이즈가 단계적으로 제거됩니다.
3. 아래쪽 화살표는 행 중앙 아래에 위치한 잡음 제거 네트워크용 작은 상자 하나를 통과합니다.
가장 왼쪽과 가장 오른쪽 이미지에만 라벨이 지정됩니다.
전체 그림에서 각 레이블을 한 번만 씁니다.
라벨(각각 한 번만 사용하고 다른 텍스트는 추가하지 않음): 【Clean image, Pure noise, Forward process: add noise, Reverse process: denoise, Denoising network】.
스타일: 저널 스타일의 도식 다이어그램. 흰색 배경에 플랫 벡터 그래픽을 청소합니다. 모듈은 내부에 짧은 이름이 포함된 둥근 직사각형 또는 간단한 아이콘입니다. 밝은 파스텔 패널은 관련 레이어를 그룹화합니다. 3~4개의 음소거된 색상만 있으며 각 색상에는 하나의 고정된 의미가 있습니다. 얇고 균일한 화살표는 데이터, 에너지, 재료 또는 영향력의 흐름을 나타냅니다. 간접 또는 피드백 링크에 대한 점선 화살표. 산세리프 영어 라벨만 해당되며, 각 라벨은 정확히 한 번만 나타나며 철자는 주어진 대로 정확하게 표시됩니다. 3D 렌더링 없음, 그림자 없음, 빛 없음, 사이버펑크 또는 기술 배경 장식 없음, 포토리얼리즘 없음.
이 프롬프트와 예시 이미지를 참고 이미지로 Yila에서 엽니다.
예시 이미지는 Nano Banana로 생성했습니다. GPT Image 등 다른 이미지 모델에서도 쓸 수 있으며 결과는 모델마다 다릅니다.






