GAN,VAE,Diffusion对比

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