DALL·E 2 深度解析：预训练CLIP与扩散模型打造文本到图像生成术

目录

一、导读

论文信息

CLIP（打通文本-图像模型）相关讲解：

扩散模型Diffusion Model相关讲解:

二、DALL·E 2 模型解读

DALL·E 2 模型总览

DALL·E 2 训练过程

DALL·E 2 推理过程（由文本生成图像过程）

三、DALL·E 2实验效果和不足之处

实验效果

不足之处

Reference

一、导读

论文信息

• 论文标题: 《Hierarchical Text-Conditional Image Generation with CLIP Latents》
• 作者/单位：Aditya Ramesh et al. / Open AI
• 论文链接:
  http://arxiv.org/abs/2204.06125
• 代码链接: 非官方实现
  https://github.com/lucidrains/DALLE2-pytorch
  （OpenAI官方实现待更新）
• 项目主页: 待更新

CLIP（打通文本-图像模型）相关讲解：

• 详解CLIP (一) | 打通文本-图像预训练实现ImageNet的zero-shot分类，比肩全监督训练的ResNet50/101
• 详解CLIP (二) | 简易使用CLIP-PyTorch预训练模型进行图像预测