CV的扩散模型

搬运工搬了n多论文看的，大老勿怪啊 ，学习用

 在这篇论文中，来自布加勒斯特大学、中佛罗里达大学的 Mubarak Shah（IEEE Fellow）等几位研究者对计算机视觉中的 100 多篇去噪扩散模型论文进行了全面回顾。

扩散模型在深度生成模型中自成一派，最近成为计算机视觉领域最热门的话题之一（见图 1）。扩散模型展示了强大的生成能力，无论是生成高水平的细节还是其生成的多样性，都让人印象深刻。

我们甚至可以说，这些生成式模型将生成式建模领域的标准提高到了一个全新的水平，尤其是 Imagen 和 Latent Diffusion Models（LDM）等模型。迄今为止，扩散模型已被应用于各种生成式建模任务，如图像生成（image generation）、图像超分（mage super-resolution）、图像修复（ image inpainting）、图像编辑（image editing）、图像转换（image-to-image translation）等等。此外，人们发现扩散模型学习到的潜在表征在鉴别性任务中也很有用，例如，图像分割、分类和异常检测。这证实了去噪扩散模型具有广泛的适用性