- 博客(10)
- 收藏
- 关注
RSS订阅原创 text-to-image共同套路
主要分为三个模块，对于text encoder模块是输入一段文字，而后输出一串向量。第二个部分是Generation Model，这里使用的大多是DM，吃一个噪声以及文字的encoder产生一个中间产物，中间产物是一个图片被压缩后的版本。最后是套一个Decoder，把中间产物decode而后产生图片。三个模块是分别练好的，然后再组合起来的。下面来看Stable Diffusion的结构图，右侧部分是一个Encoder，他的输入是一些文字或图片等，内部生成器是一个DM，左侧是一个解码器。
2023-08-11 00:28:21
200
1
原创 GAN原理
将x（可以是文字）以及一个简单的分布作为输入，生成一个y（可以是图片），随着z的输入不同，y的输出不同。这是一个输出分布的network。那么我们为什么输出一个分布呢？这是因为我们希望我们的输出更具有“创造性”，也就是说我们希望输出不固定的东西，比如在数据集中没有的东西。我们的输入是一个低维的向量，而输出是一个高维的向量。因此实际上是一个低纬的分布到高维的分布的一个映射。
2023-08-05 23:55:42
428
1
原创 VAE原理
这里主要是与AutoEncoder进行一个对比。在原先的AutoEncoder当中，只能产生一一对应的图片，然而如果我们希望它能够产生两张月亮的中间结果时，他便不能够进行输出。因此，在VAE中对图像加入noise，在一定范围内都可以输出对应的月亮的图像，因此我们期望在两个范围的交界处，使得模型能够产生一个中间结果。再来看一下VAE的流程，其中e1-e3是通过正态分布产生的vector。c代表的是加上了noise以后的code，decoder需要做的就是把加入noise以后的code还原成一张图像。
2023-08-05 17:32:59
206
1
原创 Diffusion model原理
Diffusion model分为前向与逆向两个过程，前向的过程是加噪音的过程，而后向的过程则是通过训练的Denoise函数进行去噪的过程。下面将VAE与Diffusion model进行对比，其对比过程如下所示：其实可以把Diffusion model的加噪声的过程看成Encdoer的过程，而把Denoise的过程看作是Decoder的过程。
2023-08-04 17:53:24
457
1
原创 【网安保研夏令营经验贴】2023年武汉大学网安夏令营
写这篇博客的初衷一是为了记录我的夏令营历程（保研er哪有不疯的），二是为了帮助更多的学弟学妹了解保研以及提前了解流程hhh，所以大家就不要去开我的盲盒了（手动保命）。
2023-07-14 19:32:41
1249
1
原创 【网安保研夏令营经验贴】2023年北京理工大学网安夏令营
写这篇博客的初衷一是为了记录我的夏令营历程（保研er哪有不疯的），二是为了帮助更多的学弟学妹了解保研以及提前了解流程hhh，所以大家就不要去开我的盲盒了（手动保命）。
2023-06-22 19:53:42
1420
10
原创 privacy policies checker
PPChecker接受app-s隐私策略、描述、apk文件和第三方libs-privacy策略。输出包括：1）隐私策略是否不完整。如果是，则列出遗漏的信息；2） 隐私策略是否正确。如果是，它列举了不正确的句子；3） 无论隐私策略是否不一致。如果是，它列出了不一致的句子和相关的第三方lib-s隐私政策。
2023-03-06 21:04:16
95
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人