1. 背景介绍
1.1. 图像生成领域的革命:从GAN到Diffusion Model
近年来,深度学习在图像生成领域取得了显著的进展。从早期的生成对抗网络(GAN)到如今的扩散模型(Diffusion Model),技术的进步使得生成图像的质量和多样性不断提高。GAN通过生成器和判别器之间的对抗训练,学习生成逼真的图像。然而,GAN的训练过程往往不稳定,容易出现模式崩溃等问题。
扩散模型作为一种全新的生成模型,通过逐步添加高斯噪声将真实图像转换为噪声图像,然后学习逆转这一过程,从噪声中生成新的图像。扩散模型的训练过程更加稳定,生成的图像质量更高,并且具有更好的多样性。
1.2. 视频生成领域的挑战与机遇
相较于图像生成,视频生成的任务更加复杂。视频不仅包含空间信息,还包含时间信息,需要模型能够捕捉帧之间的运动和变化。早期的视频生成方法通常基于循环神经网络(RNN)或卷积神经网络(CNN),但这些方法在生成高质量、高分辨率的视频方面存在局限性。
随着扩散模型在图像生成领域的成功,研究人员开始探索将扩散模型应用于视频生成。视频扩散模型通过将扩散过程扩展到时间维度,能