Bối cảnh và vấn đề nghiên cứu

Trong thời đại số hóa, hình ảnh chiếm một khối lượng lớn thông tin được lưu trữ và truyền tải trên Internet, trở thành nguồn dữ liệu giàu ngữ nghĩa và trực quan trong đời sống. Tuy nhiên, trong quá trình thu nhận và tái sử dụng, hình ảnh thường gặp phải tình trạng bị hư hại, che khuất bởi các vật thể không mong muốn hoặc suy giảm chất lượng theo thời gian. Ví dụ thực tế được nhóm tác giả nêu ra là việc chụp ảnh quang cảnh trường học nhưng bị các cột đèn đường che khuất, đòi hỏi phải can thiệp kỹ thuật hậu kỳ để loại bỏ vật cản mà vẫn bảo đảm tính thẩm mỹ.

Bài toán điền vào phần ảnh bị xóa hay lấp đầy phần khuyết của ảnh (Image Inpainting) nhằm tái tạo và phục chế vùng ảnh bị mất dựa trên thông tin ngữ cảnh xung quanh. Quá trình xử lý bao gồm:

  • Đầu vào (Input): Ảnh gốc chứa nội dung cần loại bỏ kèm theo mặt nạ ảnh (mask) biểu diễn vùng không gian cần can thiệp.
  • Đầu ra (Output): Ảnh hoàn chỉnh với vùng mặt nạ đã được lấp đầy bằng các chi tiết mới, bảo đảm tính tự nhiên và hài hòa với toàn bộ bức ảnh.

Theo trình bày của nhóm tác giả, việc giải quyết bài toán Image Inpainting đối mặt với 3 thách thức kỹ thuật cốt lõi:

  1. Đặc tính phức tạp của ảnh đầu vào: Dữ liệu ảnh vô cùng đa dạng, từ ảnh tự nhiên, tranh nghệ thuật, bản phác thảo đến ảnh không gian ba chiều (depth image), mỗi loại đòi hỏi chiến lược xử lý riêng biệt.
  2. Quy mô vùng khuyết lớn: Khi phần ảnh cần khôi phục chiếm diện tích đáng kể, các phương pháp truyền thống dựa trên nội suy hoặc chép mảnh (patch-based) thường không đáp ứng được yêu cầu về mặt ngữ nghĩa.
  3. Tính chất nghiệm không xác định duy nhất (Ill-posed problem): Đầu ra của bài toán không có một đáp án cố định, gây khó khăn cho việc định lượng và đánh giá độ chân thực.

Nhằm giải quyết những hạn chế của các phương pháp truyền thống và các mô hình sinh trước đây, khóa luận đặt ra 5 mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Tìm hiểu tổng quan bài toán Image Inpainting và hệ thống hóa các hướng tiếp cận phổ biến.
  2. Nghiên cứu nguyên lý áp dụng kỹ thuật mô hình xác suất khuếch tán khử nhiễu (Denoising Diffusion Probabilistic Models - DDPM) vào bài toán Image Inpainting.
  3. Khảo sát các kỹ thuật cải tiến đối với DDPM nhằm nâng cao chất lượng tạo ảnh.
  4. Cài đặt, hiện thực, đánh giá thực nghiệm và so sánh đối chuẩn DDPM với mô hình LaMa (đại diện nhóm GAN) và DSI (đại diện nhóm VAE) trên các tập dữ liệu chuẩn.
  5. Xây dựng một ứng dụng web minh họa cho phép người dùng thao tác xóa và phục chế vùng ảnh bị lỗi.

Phạm vi nghiên cứu của đề tài tập trung vào việc áp dụng và đánh giá mô hình DDPM cho bài toán inpainting trên các tập dữ liệu chuẩn gồm CelebA-HQ, Paris StreetView và Places (Mini-Places), đồng thời phân tích các điểm mạnh và hạn chế so với hai hướng tiếp cận GAN và VAE.

Cơ sở lý thuyết và phương pháp

Khóa luận được xây dựng dựa trên nền tảng của học sâu (Deep Learning) và thị giác máy tính (Computer Vision), kết hợp các mô hình sinh tiên tiến:

1. Khung lý thuyết và mô hình nền tảng

  • Mạng nơ-ron tích chập (Convolutional Neural Network - CNN): Sử dụng các lớp tích chập (Convolution) với trường tiếp nhận cục bộ (Local Receptive Field - LRF) và cơ chế chia sẻ trọng số (shared weights) nhằm giảm thiểu tham số huấn luyện; lớp kích hoạt phi tuyến ReLU giúp tối ưu tốc độ hội tụ; lớp gộp cực đại (Max-pooling) tạo tính bất biến dịch chuyển (translation invariance); lớp chuẩn hóa (Normalization) giảm thiểu hiện tượng "dying ReLU".
  • Kiến trúc U-Net: Mạng nơ-ron đối xứng gồm nhánh mã hóa (Encoder) trích xuất đặc trưng và nhánh giải mã (Decoder) khôi phục kích thước không gian thông qua các lớp tích chập chuyển vị (Transposed Convolution) và kết nối tắt (Skip Connections).
  • Mạng phần dư (ResNet): Sử dụng các khối phần dư (Residual Blocks) với liên kết tắt nhằm hạn chế hiện tượng triệt tiêu đạo hàm (Vanishing Gradient), cho phép huấn luyện các mạng nơ-ron có độ sâu lớn.
  • Mô hình Autoencoder và Variational Autoencoder (VAE): Nguyên lý nén dữ liệu qua điểm nghẽn (Bottleneck) để hình thành không gian ẩn (Latent Space). VAE giải quyết hạn chế không gian ẩn mất tính liên tục và tính đầy đủ của Autoencoder truyền thống thông qua việc chính quy hóa phân phối ẩn tiệm cận phân phối chuẩn tắc $\mathcal{N}(0, I)$.
  • Mạng đối nghịch tạo sinh (Generative Adversarial Networks - GAN): Mô hình hóa quá trình huấn luyện thành trò chơi Minimax giữa mạng sinh (Generator - G) và mạng phân biệt (Discriminator - D) với hàm mục tiêu entropy chéo (Cross-entropy loss).
  • Mô hình xác suất khuếch tán khử nhiễu (DDPM): Cơ chế sinh ảnh qua hai giai đoạn: quá trình khuếch tán thuận (forward process) thêm nhiễu Gaussian từng bước theo lịch trình phương sai $\beta_t$ và quá trình khử nhiễu nghịch đảo (reverse process) được tham số hóa bằng mạng U-Net để tối ưu giới hạn dưới biến phân (Variational Lower Bound - VLB).

2. Phương pháp nghiên cứu và thực nghiệm

Tác giả áp dụng phương pháp nghiên cứu thực nghiệm kết hợp đánh giá định lượng và định tính:

  • Phương pháp thực nghiệm: Hiện thực hóa quy trình điều kiện hóa vùng không bị che (Conditioning unmasked regions) và thuật toán lấy mẫu lại (Resampling) trong DDPM để tái tạo vùng ảnh bị khuyết.
  • Đánh giá định lượng qua các thang đo chuẩn:
    • FID (Fréchet Inception Distance): Đo lường khoảng cách giữa phân phối của tập ảnh thật và tập ảnh sinh ra từ không gian đặc trưng của mạng Inception.
    • IS (Inception Score): Đánh giá độ nét và độ đa dạng của ảnh được tạo ra.
    • LPIPS (Learned Perceptual Image Patch Similarity): Đánh giá độ đa dạng và khoảng cách nhận thức thị giác giữa các bản vá ảnh.
  • Đánh giá định tính và khảo sát người dùng: Tổ chức thu thập ý kiến đánh giá trực quan từ người dùng thực tế qua phiếu khảo sát hình ảnh để đối chiếu độ tự nhiên của kết quả inpainting.
  • Đo lường hiệu năng phần cứng: Khảo sát thời gian lấy mẫu (sampling time) trung bình trên hệ thống trang bị card đồ họa GPU NVIDIA GeForce RTX 2080Ti.

3. Nguồn dữ liệu nghiên cứu

Nghiên cứu sử dụng 3 bộ dữ liệu ảnh chuẩn phục vụ huấn luyện và kiểm thử:

  • CelebA-HQ: Tập dữ liệu ảnh khuôn mặt người nổi tiếng chất lượng cao.
  • Paris StreetView: Tập dữ liệu ảnh chụp cảnh quan đường phố tại Paris.
  • Places / Mini-Places: Tập dữ liệu ảnh đại diện cho các bối cảnh không gian và phong cảnh đa dạng.
  • Dữ liệu mặt nạ kiểm thử được chia thành 2 cấu hình: mặt nạ mỏng (Thin mask) và mặt nạ trung bình (Medium mask).

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu tính cấp thiết của đề tài xuất phát từ nhu cầu thực tiễn trong việc xử lý, phục hồi ảnh hư hỏng và biên tập nội dung số. Tác giả phân tích các trở ngại lớn của bài toán Image Inpainting khi xử lý vùng khuyết lớn trên các dạng ảnh phức tạp. Sau khi định nghĩa cấu trúc dữ liệu đầu vào và đầu ra, chương này xác định rõ ràng 5 mục tiêu nghiên cứu, phạm vi ứng dụng và 3 đóng góp khoa học chính mà khóa luận hướng tới, đồng thời tóm lược bố cục gồm 6 chương của toàn văn báo cáo.

Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan

Chương này cung cấp hệ thống lý thuyết toàn diện về các cấu trúc mạng học sâu:

  • Phân tích chi tiết cơ chế hoạt động của các lớp trong mạng CNN (tích chập, kích hoạt, gộp, chuẩn hóa) và cách tính toán kích thước ma trận đặc trưng (feature map) cùng số lượng tham số cần học thông qua cơ chế chia sẻ trọng số.
  • Trình bày kiến trúc đối xứng U-Net và vai trò của phép tích chập chuyển vị (Transposed Convolution) trong việc khôi phục chi tiết không gian mà không làm mất thông tin qua các bước gộp.
  • Phân tích cấu trúc Residual Block trong mạng ResNet giúp giải quyết hiện tượng triệt tiêu gradient khi tăng độ sâu mạng.
  • So sánh sự khác biệt bản chất giữa Autoencoder và VAE thông qua cơ chế chính quy hóa không gian tiềm ẩn (Latent Space Regularisation), bảo đảm hai tính chất cốt lõi: tính liên tục (continuity) và tính đầy đủ (completeness).
  • Mô hình hóa bài toán GAN dưới dạng bài toán tối ưu Minimax giữa mạng sinh và mạng phân biệt, đồng thời giải thích hiện tượng suy giảm gradient (diminished gradient) trong quá trình huấn luyện.
  • Phân loại các hướng tiếp cận inpainting hiện nay:
    • Phương pháp không sử dụng mạng sinh: Thuật toán dựa trên phương trình đạo hàm riêng (PDE) của Bertalmio và Sapiro; kỹ thuật chép mẫu/mảnh (exemplar-based) của Criminisi et al. Tác giả chỉ ra nhược điểm của nhóm này là tạo ra ảnh bị mờ hoặc thất bại khi vùng khuyết mang thông tin ngữ nghĩa lớn.
    • Phương pháp sử dụng mạng sinh: Tổng quan về GAN-based, VAEs-based và Diffusion model-based, kèm theo phân tích về "bộ ba bất khả thi" (Generative Learning Trilemma) trong mô hình sinh gồm: chất lượng mẫu cao, tốc độ lấy mẫu nhanh và tính bao phủ phân phối dữ liệu.

Chương 3: Áp dụng Denoising Diffusion Probabilistic Models cho bài toán Image Inpainting

Chương 3 đi sâu vào chi tiết kỹ thuật của mô hình DDPM:

  • Phân tích toán học của quá trình khuếch tán thuận thêm nhiễu Gaussian và quá trình đảo ngược nhằm khôi phục ảnh sạch.
  • Mô tả kiến trúc mạng nơ-ron U-Net sử dụng để ước lượng thành phần nhiễu tại mỗi bước thời gian $t$.
  • So sánh các chiến lược lập lịch phương sai (variance schedule): phân tích sự khác biệt giữa hàm lập lịch tuyến tính (linear schedule) và hàm dạng cosin (cosine schedule) trong việc bảo toàn thông tin ảnh ở các bước đầu.
  • Trình bày giải pháp điều kiện hóa các vùng ảnh không bị che (Conditioning unmasked regions): kết hợp trực tiếp thông tin từ vùng ảnh gốc đã biết với vùng đang được khử nhiễu.
  • Trình bày thuật toán lấy mẫu lại (Resampling): lặp lại các bước khuếch tán và khử nhiễu cục bộ nhằm gia tăng độ mượt và tính liên tục giữa phần biên của vùng mặt nạ và phần ảnh gốc xung quanh.

Chương 4: Thực nghiệm và đánh giá

Chương 4 trình bày toàn bộ kết quả thực nghiệm đối chuẩn giữa DDPM với mô hình LaMa (GAN-based) và DSI (VAE-based):

  • Cấu hình thực nghiệm trên 3 tập dữ liệu (CelebA-HQ, Paris StreetView, Mini-Places) dưới 2 dạng mặt nạ (Thin mask và Medium mask).
  • Phân tích định lượng dựa trên các chỉ số FID, IS và LPIPS, chứng minh ưu thế của DDPM về độ chân thực thị giác.
  • Trình bày kết quả khảo sát người dùng thực tế qua bảng câu hỏi trực quan, trong đó DDPM nhận được tỷ lệ bình chọn vượt trội về độ tự nhiên.
  • Đánh giá định tính qua 4 nhóm trường hợp cụ thể: vùng mask nhỏ mất một phần ngữ nghĩa, vùng mask lớn mất nhiều ngữ nghĩa, vùng mask chứa họa tiết nền có sẵn, và sự đồng nhất màu sắc.
  • Đánh giá thời gian xử lý: ghi nhận thời gian lấy mẫu trung bình của từng phương pháp trên phần cứng GPU NVIDIA RTX 2080Ti.
  • Phân tích các trường hợp thất bại: chỉ ra hiện tượng DDPM đôi khi kết hợp các chi tiết nội dung không liên quan hoặc sinh sai lệch ngữ cảnh cục bộ.

Chương 5: Xây dựng ứng dụng minh họa

Chương 5 trình bày việc thiết kế và xây dựng công cụ phần mềm ứng dụng nhằm chứng minh tính thực tiễn của đề tài:

  • Lựa chọn công nghệ triển khai hệ thống giao diện tương tác người dùng dạng Web.
  • Hiện thực hóa quy trình cho phép người dùng tải ảnh lên, tùy biến vẽ vùng mặt nạ cần xóa/phục chế và gửi yêu cầu tới mô hình xử lý.
  • Kiểm thử và đánh giá trải nghiệm thực tế trên hệ thống ứng dụng minh họa.

Chương 6: Kết luận và hướng phát triển

Tổng kết lại các kết quả đạt được về mặt lý thuyết, thực nghiệm và ứng dụng; chỉ ra các điểm còn tồn tại và đề xuất các giải pháp kỹ thuật nhằm cải tiến tốc độ cũng như chất lượng mô hình trong tương lai.

Thiết kế và triển khai ứng dụng minh họa

Để trực quan hóa các kết quả nghiên cứu lý thuyết, khóa luận đã thiết kế và triển khai một ứng dụng minh họa dưới dạng giao diện web:

  • Chức năng chính: Cho phép người dùng tải lên hình ảnh từ thiết bị cá nhân, sử dụng công cụ cọ vẽ để đánh dấu vùng mặt nạ (mask) cần loại bỏ hoặc khôi phục, sau đó kích hoạt tiến trình xử lý inpainting từ mô hình học sâu ở phía máy chủ.
  • Quy trình vận hành: Sau khi nhận ảnh và mặt nạ, hệ thống áp dụng kỹ thuật DDPM đã qua tinh chỉnh để tiến hành khử nhiễu có điều kiện, lấp đầy vùng khuyết thiếu và trả về hình ảnh hoàn chỉnh trên giao diện người dùng.
  • Đánh giá ứng dụng: Công cụ web minh họa đã hoàn thành đúng mục tiêu đặt ra, giúp trực quan hóa năng lực phục hồi ảnh của mô hình DDPM ngoài môi trường nghiên cứu thực nghiệm.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

Khóa luận đã tiến hành đối chuẩn chi tiết giữa DDPM với mô hình LaMa (đại diện cho GAN) và mô hình DSI (đại diện cho VAE). Các kết quả chính thu được bao gồm:

Tiêu chí / Khía cạnh so sánh DDPM (Diffusion-based) LaMa (GAN-based) DSI (VAE-based)
Độ chân thực & Chất lượng ảnh (FID / IS) Đạt điểm số tối ưu trong đa số trường hợp; chi tiết rõ nét và hài hòa Chất lượng tốt nhưng dễ phát sinh biến dạng cục bộ Ảnh thường bị mờ, độ tương phản và chi tiết thấp
Độ đa dạng mẫu sinh (LPIPS) Đạt độ đa dạng cao trong việc tái tạo nội dung Độ đa dạng bị hạn chế do hiện tượng sụp đổ mode (Mode collapse) Độ đa dạng ở mức trung bình
Đánh giá trực quan từ người dùng Chiếm tỷ lệ đánh giá tự nhiên cao nhất trong các bài kiểm tra mù (Blind test) Xếp thứ hai; biên vùng mask đôi khi không liền mạch Xếp thứ ba; người dùng dễ nhận biết vùng can thiệp
Độ ổn định huấn luyện Rất ổn định, không gặp lỗi sụp đổ mode Khó hội tụ, đòi hỏi tinh chỉnh siêu tham số phức tạp Rất ổn định, quá trình tối ưu hàm mất mát dễ dàng
Thời gian lấy mẫu (trên GPU RTX 2080Ti) Chậm nhất do phải lặp qua nhiều bước khử nhiễu tuần tự Rất nhanh (chỉ cần một lượt lan truyền tiến qua Generator) Rất nhanh (qua một lượt giải mã của Decoder)

2. Các đóng góp chính của khóa luận

  1. Hệ thống hóa lý thuyết: Tổng hợp bức tranh toàn cảnh về bài toán Image Inpainting, phân loại rõ ràng các phương pháp từ truyền thống (PDE, chép mảnh) đến các mạng sinh học sâu hiện đại (GAN, VAE, Diffusion).
  2. Khảo sát và làm chủ kỹ thuật DDPM: Hiện thực hóa thành công mô hình DDPM ứng dụng cho bài toán inpainting, kết hợp các giải pháp điều kiện hóa vùng không mask, lịch trình phương sai và kỹ thuật resampling.
  3. Đánh giá thực nghiệm toàn diện: Cung cấp số liệu phân tích định lượng (FID, IS, LPIPS) và định tính trên 3 bộ dữ liệu chuẩn (CelebA-HQ, Paris StreetView, Mini-Places), chỉ ra ưu thế vượt trội về chất lượng thị giác của DDPM cũng như cái giá phải trả về thời gian tính toán so với LaMa và DSI.
  4. Hiện thực hóa sản phẩm: Xây dựng thành công ứng dụng web minh họa phục vụ nhu cầu chỉnh sửa, xóa vật thể và phục chế ảnh thực tế.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích thực nghiệm tại Chương 4 và kết luận tại Chương 6, nhóm tác giả chỉ ra các hạn chế và hướng mở rộng:

Hạn chế

  • Tốc độ lấy mẫu chậm: Do bản chất của DDPM phải trải qua hàng trăm đến hàng nghìn bước khử nhiễu lặp đi lặp lại, thời gian tạo ra một bức ảnh trên phần cứng GPU RTX 2080Ti lâu hơn đáng kể so với các kiến trúc GAN hoặc VAE.
  • Trường hợp lỗi nội dung: Mô hình DDPM đôi khi kết hợp các chi tiết hoặc vật thể không liên quan vào vùng cần khôi phục khi gặp các bức ảnh có ngữ cảnh quá phức tạp hoặc vùng mask quá rộng.

Hướng nghiên cứu tiếp

  • Nghiên cứu và áp dụng các thuật toán lấy mẫu nhanh (Fast Sampling methods như DDIM, DPM-Solver) nhằm giảm số bước khử nhiễu mà vẫn bảo đảm chất lượng ảnh đầu ra.
  • Cải tiến kiến trúc mạng U-Net và hàm mất mát để nâng cao tính nhất quán ngữ nghĩa và độ hài hòa màu sắc ở các vùng chuyển tiếp.
  • Tối ưu hóa hiệu năng ứng dụng web nhằm hỗ trợ xử lý ảnh theo thời gian thực.

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo chuyên môn cao cho các đối tượng sau:

  • Sinh viên và học viên ngành Khoa học Máy tính, Trí tuệ Nhân tạo, Công nghệ Thông tin: Nắm bắt toàn diện nền tảng toán học và kỹ thuật triển khai các mô hình sinh hiện đại, đặc biệt là kiến trúc Diffusion Models, VAE, GAN, U-Net và ResNet.
  • Các nhà nghiên cứu về Thị giác máy tính và Xử lý ảnh: Tham khảo phương pháp luận thiết lập thực nghiệm, quy trình điều kiện hóa dữ liệu và cách sử dụng các chỉ số đo lường nhận thức chuẩn mực (FID, IS, LPIPS) kèm theo phương pháp khảo sát người dùng thực tế.
  • Phần nội dung đáng chú ý nhất: Chương 2 (phân tích chi tiết về không gian ẩn của VAE và bài toán Minimax của GAN) cùng Chương 3 và 4 (toàn bộ cơ chế toán học, kỹ thuật resampling của DDPM và kết quả đối chuẩn trên GPU RTX 2080Ti).

Câu hỏi thường gặp

1. Đầu vào và đầu ra của bài toán Image Inpainting trong khóa luận được xác định như thế nào?

Đầu vào của bài toán gồm bức ảnh gốc cần chỉnh sửa và một mặt nạ ảnh (mask) nhị phân xác định vị trí của phần cần loại bỏ hoặc khôi phục. Đầu ra là bức ảnh hoàn chỉnh với vùng mặt nạ đã được lấp đầy bằng các chi tiết mới sao cho hài hòa với ngữ cảnh xung quanh và đánh lừa được thị giác con người.

2. Vì sao các phương pháp inpainting truyền thống (không sử dụng mạng sinh) lại cho kết quả kém khi vùng khuyết lớn?

Các phương pháp truyền thống dựa trên khuếch tán đạo hàm riêng (PDE) hoặc chép mẫu/mảnh (patch-based) chỉ tận dụng các thông tin pixel lân cận hoặc hoa văn có sẵn trên ảnh. Khi vùng khuyết lớn hoặc chứa các đối tượng mang ngữ nghĩa phức tạp, các thuật toán này không thể tự suy luận ra cấu trúc đối tượng mới, dẫn đến hiện tượng ảnh bị nhòe mờ hoặc lặp lại các mảng vân không phù hợp.

3. Mô hình DDPM thực hiện quá trình inpainting như thế nào?

DDPM sử dụng một mạng U-Net để học cách đảo ngược quá trình làm nhiễu Gaussian. Trong bài toán inpainting, mô hình áp dụng cơ chế điều kiện hóa: tại mỗi bước khử nhiễu, các vùng không bị che (unmasked) được giữ nguyên hoặc kết hợp trực tiếp từ ảnh gốc đã được thêm mức nhiễu tương ứng, trong khi vùng mang mặt nạ được mô hình ước lượng và sinh mới dần dần kết hợp với thuật toán resampling để bảo đảm tính đồng nhất ở đường biên.

4. Khóa luận đã sử dụng những tập dữ liệu và thước đo nào để đánh giá mô hình?

Nghiên cứu sử dụng 3 tập dữ liệu chuẩn là CelebA-HQ (ảnh chân dung), Paris StreetView (ảnh đường phố) và Places / Mini-Places (ảnh phong cảnh/bối cảnh), với 2 cấu hình mặt nạ là Thin mask và Medium mask. Các thước đo đánh giá gồm có Fréchet Inception Distance (FID), Inception Score (IS), Learned Perceptual Image Patch Similarity (LPIPS), kết hợp cùng khảo sát đánh giá trực tiếp từ người dùng thực tế và đo lường thời gian sample trên GPU RTX 2080Ti.

5. Điểm đánh đổi lớn nhất khi sử dụng DDPM so với LaMa (GAN) và DSI (VAE) là gì?

Điểm đánh đổi lớn nhất nằm ở sự cân bằng giữa chất lượng ảnh và chi phí tính toán: DDPM vượt trội hơn hẳn LaMa và DSI về độ chân thực, độ đa dạng và độ ổn định trong huấn luyện, nhưng lại có tốc độ lấy mẫu (sampling) chậm hơn rất nhiều do phải thực hiện tuần tự hàng loạt bước khử nhiễu qua mạng U-Net.

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Công Minh và Trần Quốc Thắng tại Trường Đại học Công nghệ Thông tin - ĐHQG-HCM đã nghiên cứu và ứng dụng thành công kỹ thuật Denoising Diffusion Probabilistic Models (DDPM) vào giải quyết bài toán Image Inpainting. Thông qua các phân tích lý thuyết chuyên sâu và kết quả thực nghiệm trên các tập dữ liệu CelebA-HQ, Paris StreetView và Mini-Places, công trình đã chứng minh ưu thế vượt trội của DDPM về chất lượng tái tạo hình ảnh so với các mô hình đại diện LaMa (GAN) và DSI (VAE). Bên cạnh việc chỉ ra hạn chế về tốc độ lấy mẫu trên phần cứng GPU RTX 2080Ti, đề tài cũng hoàn thiện một ứng dụng web minh họa có tính ứng dụng cao, đóng góp một tài liệu học thuật giá trị cho lĩnh vực thị giác máy tính và mô hình sinh sâu.