denoising-diffusion
노이즈 제거 확산 모델
시간축에서 점진적으로 노이즈를 더한 뒤 이를 역으로 제거해 고품질 데이터를 생성하는 확률적 생성 방식으로, 본문에서는 오디오 잠재공간에서 연속 토큰을 직접 생성하는 단일 단계 파이프라인 구현에 핵심적인 학습 및 샘플링 메커니즘으로 사용되었다.
중급
노이즈 제거 확산 모델
시간축에서 점진적으로 노이즈를 더한 뒤 이를 역으로 제거해 고품질 데이터를 생성하는 확률적 생성 방식으로, 본문에서는 오디오 잠재공간에서 연속 토큰을 직접 생성하는 단일 단계 파이프라인 구현에 핵심적인 학습 및 샘플링 메커니즘으로 사용되었다.
