Шалімов, АндрійАвраменко, Ольга2026-02-112026-02-112025Шалімов А. В. Фрактально-дифузійні генеративні моделі: ієрархічний підхід до синтезу зображень / Шалімов А. В., Авраменко О. В. // Теоретичні та прикладні аспекти побудови програмних систем : праці 16 Міжнародної науково-практичної конференції, 23-24 листопада 2025 року, Київ / [за заг. ред. М. М. Глибовця, Т. В. Панченка та ін. ; Факультет інформатики Національного університету "Києво-Могилянська академія" та ін.]. - Київ : НаУКМА, 2025. - С. 23-24.https://ekmair.ukma.edu.ua/handle/123456789/38315This study extends the Fractal Generative Model by replacing its autoregressive generator with a diffusion-based generator at the top level of the hierarchy. FractalGen builds images recursively: each level invokes a similar generative module on subregions, enforcing self-similar structure across scales. In the original model, this module is autoregressive, generating pixels sequentially and enabling exact likelihoods. We introduce a new generator type that uses a conditional diffusion U-Net to produce a coarse global canvas in parallel via denoising. Lower levels of the hierarchy remain unchanged and further refine local detail. This hybrid fractal-diffusion architecture preserves the recursive, self-similar assembly of FractalGen while replacing pixel-by-pixel sampling with parallel diffusion at the latent level. We evaluate a baseline DDPM against our approach on ImageNet using visual-fidelity and distributional metrics.У цьому дослідженні пропонується модифікація FGM із використанням дифузійної нейронної мережі на архітектурі U-Net як альтернативного генератора. Такий підхід підвищує паралельність процесу, скорочує час синтезу й інтегрує ієрархічний самоподібний принцип у стандартну дифузійну модель.ukметоди генераціїдифузійні підходидифузійна нейронна мережа на архітектурі U-Netфрактально-дифузійні генеративні моделіматеріали конференціїConference materials