Daigo Fujiwara

うーん、不思議 VAEとかGANとかTransformerとかなんでもやが、それなりに哲学的にというか人間の認知からのアナロジーで上手く行きそうなのが納得できるんやがDiffusionだけはほんまに納得いってない。数式では分かるが

オールドメディアが「沈静化（報道しない権利）」を図ったらnoteで反撃するという新しい筋道が生まれたな。

なちゅかしい、これキャッシュ化修論で使ったガウス過程のコード高速化したときにやった

ガウス過程を学ぶと、線形代数やベイズ推論の計算ができるようになり、カーネル法のコンセプトが分かり、計算量に意識を向けられるようになり、応用先として適応的実験計画を考えられるようになる。 ガウス過程はいいぞ！みんなガウス過程を学ぼう！

うーん、不思議 VAEとかGANとかTransformerとかなんでもやが、それなりに哲学的にというか人間の認知からのアナロジーで上手く行きそうなのが納得できるんやがDiffusionだけはほんまに納得いってない。数式では分かるが

学生さんにいうのだけど、「数万フォロワーぐらい」や「数十万円複収入」を狙って、煽りや炎上や暴露やAIでのコピー活動を頑張っても、引き換えにメジャーや正規ルートから声かからなくなるので、王道をやるほうがよいです。

本日、およそ1年ぶりの「これ」

i love diffusion models and idk how but i went down a rabbit hole to trace their origins and honestly this stuff is kinda beautiful when you see how it evolved like it didn’t just appear out of nowhere… it’s literally years of ideas stacking on top of each other it starts with "deep unsupervised learning using nonequilibrium thermodynamics" (sohl-dickstein et al., 2015) -> slowly destroy data with noise -> learn to reverse it sounds simple but that’s the seed then comes "generative modeling by estimating gradients of the data distribution" (song and ermon, 2019) -> learn gradients of data distribution -> understand where real images live this is where score-based models come in then things get real with "denoising diffusion probabilistic models" (ho et al., 2020) -> clean probabilistic formulation -> stable training -> actually works this paper made diffusion practical then "diffusion models beat gans on image synthesis" (dhariwal and nichol, 2021) -> diffusion > gans this was a big shift but still slow as hell then the most important jump imo "high-resolution image synthesis with latent diffusion models" (rombach et al., 2021) -> compress images with vae -> run diffusion in latent space -> huge speedup this is literally the backbone of stable diffusion parallel to all this you have "learning transferable visual models from natural language supervision" (radford et al., 2021) -> align text and images -> enable text-guided generation that’s clip and finally stable diffusion (rombach et al., 2022 release implementation) -> vae + unet + clip -> trained on large-scale data like laion what’s crazy is the core idea never changed add noise -> remove noise -> repeat but layered with better math, better architectures, and better data also something about this feels kinda philosophical instead of solving a hard problem directly they broke it into tiny easy steps don’t generate an image just make it slightly less noisy each time again -> again -> again and somehow that builds something meaningful

乳首が性感帯だったので、母乳育児は頭おかしくなるくらい気持ちよかった でもその気持ちよさは性的な気持ちよさではなく、オキシトシンがどばどば出て多幸感のなかでキマってる感じの気持ちよさ チクイキできる人は母乳育児おすすめ✨ ちなみに妊娠中のチクオナは母乳出て楽しいよ！(早産リスクあり)

自動翻訳がついてこう言う時代になったんだなと思った。

Does anyone else with ADHD feel calm in actual emergencies but need 3–5 business days to emotionally prepare for a phone call?