# 參考方向

## 修改模型參數

類似[erasing diffusion](https://hackmd.io/@meowmeowmeowmeowmeowmeow/r1dBrINW2)，修改參數來達到...

## 聲音相關

1. 語音去噪：語音信號可能受到多種類型的噪音污染，例如環境噪音、麥克風噪音等。語音去噪是一種重要的音頻處理任務，可以應用於語音識別、語音合成、語音通話等應用場景。使用去噪擴散模型可以幫助減少噪音對語音信號的干擾，從而提高語音處理的性能。
2. 音頻恢復：音頻信號可能因為傳輸、錄制或壓縮等原因而受到失真或損壞。音頻恢復任務旨在從損壞的音頻信號中恢復原始信號。去噪擴散模型可以用於恢復受損的音頻信號，從而提高音頻的質量和清晰度。
3. 音頻增強：音頻增強任務旨在提升音頻信號的質量、清晰度或響度。例如，可以使用去噪擴散模型來去除背景噪音，增加音頻的清晰度，或者用於音頻增益控制，以調整音頻的響度水平。
4. 音頻合成：音頻合成任務涉及生成新的音頻信號，例如語音合成、音樂合成等。去噪擴散模型可以用於生成高質量、清晰的合成音頻信號，從而提高音頻合成的質量。

## ddim

### survey 文章建議方向

### Revisiting assumptions

原先diffusion model在加入noise之後又能夠成功還原回去的假設並非永遠成立，所以應該要去探討加noise 要加到什麼狀況就該停止

### Theoretically Understanding:

1. 了解為什麼diffusion model會比其他 generative model 厲害
2. 選擇 hyperparameter 的理論

image2text

image+text $\rightarrow$ style transfer