【Diffusion学习】【生成式AI】淺談圖像生成模型 Diffusion Model 原理

于 2024-07-15 23:19:54 发布
阅读量96 收藏
点赞数 4
分类专栏： 【Diffusion学习】 文章标签： 人工智能 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43154149/article/details/140451659
版权

文章目录

from： https://www.youtube.com/watch?v=azBugJzmz-o&list=PLJV_el3uVTsNi7PgekEUFsyVllAJXRsP-&index=6

简介

86,530次观看 2023年3月25日 【機器學習 2023】(生成式 AI)
感謝黃敬峰先生提供字幕

Denoising Diffusion Probabilistic Models (DDPM)
https://arxiv.org/abs/2006.11239

Diffusion Model 是如何运作的？

在这里插入图片描述

吃额外的1个数字：step

在这里插入图片描述

Denoise 模组内部实际做的事情：预测noise

在这里插入图片描述

如何训练 Noise Predictor

在这里插入图片描述

在这里插入图片描述

Text-to-Image

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

DDPM 算法

在这里插入图片描述

联系丝信
关注
  • 4
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
浅谈图像生成模型 Diffusion Model 原理
04-20 1356
在介绍 Diffusion Model 之前，我们先来了解一下生成模型。通俗来说，生成模型是一种人工智能算法，其基本思想是让计算机自动学习一些数据的统计规律，并利用这些规律生成新的数据，比如图像、音频等。这种技术的应用非常广泛，比如可以用于文本生成、图像生成、视频生成等领域。而 Diffusion Model 是一种比较新的图像生成模型，其最大的特点就是可以生成高质量的图像。它的生成原理非常有趣，实际上，Diffusion Model 是一种基于去噪技术的图像生成 Denoise Model。
ChatGPT及生成式人工智能现状及未来发展方向
12-30
例如，基于变分自编码器（Variational Autoencoders, VAE）、生成对抗网络（Generative Adversarial Network, GAN）和扩散模型（Diffusion Model）的生成式人工智能已经能够生成高质量的图像和视频。 未来，生成式...
生成式 AI - Diffusion 模型 （DDPM）原理解析（1）
大数据AI笔记
02-17 1241
简单地介绍diffusion model 的基本概念，diffusion model有很多不同的变形，现在比较成功的使用diffusion model实现的图像生成的系统，比如阿里、Google的系统基本上都是用差不多的方法来作为他们的diffusion model。
Stable Diffusion复现——基于 Amazon SageMaker 搭建文本生成图像模型
热门推荐
白洞，白色的明天在等着我们
04-06 3万+
众所周知，Stable Diffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。 而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现Stable Diffusion的活动，其使用亚马逊AWS提供的Amazon SageMaker机器学习平台，为快速构建、训练和部署机器学习模型提供了许多便利的工具和服务，我也是深入体验了一番。
生成式 AI - Diffusion 模型的数学原理（2）
大数据AI笔记
02-18 844
来自 论文《 Denoising Diffusion Probabilistic Model》（DDPM）论文链接： https://arxiv.org/abs/2006.11239Hung-yi Lee 课件整理。
Diffusion：通过扩散和逆扩散过程生成图像的生成式模型
m0_51976564的博客
11-29 3406
Diffusion：通过扩散和逆扩散过程生成图像的生成式模型
生成式 AI - Diffusion 模型的数学原理（3）
大数据AI笔记
02-18 945
来自 论文《 Denoising Diffusion Probabilistic Model》（DDPM） 论文链接： https://arxiv.org/abs/2006.11239 Hung-yi Lee 课件整理。
生成式 AI 背后的共同框架：Stable Diffusion、DALL-E、Imagen
Gene_I must wait for the sunrise
04-02 2820
生成器的内部框架如下所示： - 第一部分：Text Encoder，输出 Text，返回对应的 Embedding（向量）； - 第二部分：Generation Model，输入为 Text 的 Embedding 与一个随机生成的 Embedding（用于后续的 Diffusion 过程），返回中间产物（可以是图片的压缩版本，也可以是 Latent Representation）； - 第三部分：Decoder，输入为图片的压缩版本，返回最终的图片。
生成模型 | 从 VAE 到 Diffusion Model （下）
5年+算法工程师，分享人工智能前沿技术，与自己的工程经验，欢迎订阅关注。
05-27 1417
主要介绍了Diffusion Model的发展历程和文生图模型的基本架构，从开山鼻祖DDPM开始应用扩散模型做图片生成，到现在图像可以根据语言来做相应的生成，修改。。总之，一文让你了解diifusion model,和他的一些经典模型应用。
AI艺术的背后：详解文本生成图像模型【基于 Diffusion Model】
Pain is inevitable but suffering is optional.
09-20 6711
GLIDE 使用了文本作为条件，来实现文本引导的扩散模型，在文本引导上面，文中主要使用了两种策略，Classifier-Free Diffusion Guidence 以及 CLIP 来作为条件监督，同时使用了更大的模型，在数据量上，和DALL-E 相似。实际上，扩散模型做的事情本质上是一样的，不同的是，扩散模型完全使用了全新的思路来实现这个目标。（实际上等价于学习了一个隐含的分类器），缺点是，成本比较高，相当于每次要生成两个输出，尽管如此，后面的大部份知名文本生成图像模型，都是基于这个方法进行的。
使用Stable Diffusion改进图像分割模型
02-05
Stable Diffusion是 Stability AI 在今年早些时候发布的一种非常强大的文本到图像模型。在这篇博文中，我们将探索一种使用稳定扩散来增强训练数据的技术，以提高图像分割任务的性能。这种方法在数据有限或需要繁琐的...
CVPR 2022 Tutorial Denoising Diffusion-based Generative Model
11-11
《去噪扩散基础与应用——2022年CVPR深度生成模型教程》 去噪扩散模型，作为近年来兴起的一种强大生成模型，在高保真图像生成领域...讲座涵盖了从基础概念到最新进展，旨在推动生成模型在人工智能领域的进一步发展。
The brief introduction of diffusion model and stable diffusion
04-14
稳定扩散模型（Stable Diffusion Model）是由CompVis、Stability AI和LAION的研究团队开发的一种文本到图像的潜在扩散模型。它利用LAION-5B数据库的512x512图像子集进行训练，能够生成各种图像，包括人脸。稳定扩散...
OpenSNN推文：近期优质博客推荐汇总
opensnn的博客
07-12 314
国内个人博客站点众多，涵盖了技术、生活、艺术等多个领域。
2024Datawhale AI夏令营---基于术语词典干预的机器翻译挑战赛--学习笔记
最新发布
weixin_61573157的博客
07-15 610
机器翻译（Machine Translation，简称MT）是自然语言处理领域的一个重要分支，其目标是将一种语言的文本自动转换为另一种语言的文本。机器翻译的发展可以追溯到20世纪50年代，经历了从基于规则的方法、统计方法到深度学习方法的演变过程。当前，机器翻译正朝着更加智能化和个性化方向发展。一方面，结合上下文理解、情感分析等技术，提高翻译的准确性和自然度；另一方面，通过用户反馈和个性化学习，提供更加符合用户需求的翻译服务。同时，跨语言信息检索、多模态翻译等新兴领域也正在成为研究热点。
AGI 之 【Hugging Face】 的【问答系统】的 [构建问答系统] / [ 构建基于评论的问答系统 ] 的简单整理
仙魁XAN
07-12 828
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。AGI能做的事情非常广泛：跨领域任务执行：AGI能够处理多领域的任务，不受限于特定应用场景。自主学习与适应：AGI能够从经验中学习，并适应新环境和新情境。
聊聊如何在内网下构建大模型微调环境
python1234567_的博客
07-12 834
LlamaFactory新版更新后，还是比较方便，只是说llamafactory-cli命令的确是有点蒙，踩个坑就好了。对于LlamaFactory微调来说，本身不难，毕竟都是配置；主要是在内网环境下的依赖包拉取安装是真麻烦，但其实也还好。走一遍的话，还是可以学到很多的。​。
人力资源人工智能依赖于良好的数据
yongyoudayee的博客
07-12 736
人力资源不断发展(HR)人工智能在技术领域(AI)它已经成为改变游戏规则的力量。人工智能驱动的工具有望简化人力资源流程，提高管理能力，彻底改变员工体验。然而，这些人工智能解决方案的有效性仅取决于算法的复杂性或计算硬件的能力。事实上，这种模式的很大一部分取决于一个基本的——良好的数据。
CV06_Canny边缘检测算法和python实现
https://github.com/foxpup11?tab=repositories
07-11 857
https://www.bilibili.com/video/BV1qU4y1U7aK/?spm_id_from=333.337.search-card.all.click&vd_source=7dace3632125a1ef7fd32c285eb2fbac

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值