GAN
优点
- 生成的图片逼真
缺点
- 由于要同时训练判别器和生成器这两个网络,训练不稳定
- GAN主要优化目标是使图片逼真,导致图片多样性不足
- GAN的生成是隐式的,由网络完成,不遵循概率分布,可解释性不强
VAE
优点
- 学习的概率分布,可解释性强,图片多样性足
缺点
- 产生图片模糊
Diffusion
- 生成的图片逼真
- 数学可解释性强
缺点
- 训练成本高昂、速度慢,需要多步采样
参考
- DALLE2
- 该视频讲到了GAN、VAE、DVAE、VQ-VAE、Diffusion、DDPM、Improved DDPM、classifier-(free) guidance
- 从VAE到扩散模型:一文解读以文生图新范式