从VAE到Diffusion生成模型详解(3)：普通GAN的改进及变种

已于 2023-09-01 21:34:46 修改
阅读量642 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： AI算法 文章标签： 生成对抗网络 人工智能 神经网络
于 2023-07-17 00:41:57 首次发布
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.youkuaiyun.com/orangerfun/article/details/131749952
本文深入探讨了JS散度在GAN中的问题，介绍了LSGAN如何通过回归优化，以及WGAN利用Wasserstein距离解决梯度消失问题。此外，还涵盖了条件GAN的各类变种，如cGAN、SGAN、ACGAN和InfoGAN，并提及了text2image、image2image等应用场景。
了解本专栏 订阅专栏 解锁全文 超级会员免费看
从VAE到Diffusion Models
沉迷单车的追风少年
11-27 7971
前言：前面几篇文章更多的在思考GAN和diffusion model之间的关系，VAE作为最经典的生成模型之一，本文从VAE出发，聊一聊VAE和diffusion model之间的爱恨情仇。 为什么diffusion model扩散模型可以称为score-based models？_沉迷单车的追风少年-优快云博客 击败GANs的新生成式模型：score-based model(diffusion model)原理、网络结构、应用、代码、实验、展望_沉迷单车的追风少年-优快云博客 Diffusio.
解锁 AIGC 奥秘：Stable Diffusion 的核心优势
AI 领航者的博客
04-28 983
随着人工智能生成内容（AIGC）技术的爆发式发展，Stable Diffusion作为开源文本生成图像模型的标杆，重新定义了生成式AI的工程化边界。本文旨在通过技术拆解，揭示其区别于GAN、VAE等传统模型的核心优势，涵盖算法原理、架构设计、生态建设和应用落地等维度，为技术从业者提供从理论到实践的完整认知框架。本文采用"原理解析→技术创新→工程实践→生态展望"的递进结构，通过数学模型推导、代码实现演示和实际案例分析，逐层揭示Stable Diffusion的核心优势。
【CVPR 2023的AIGC应用汇总(5)】语义布局可控生成，基于diffusion扩散/GAN生成对抗网络方法...
idol24的博客
05-01 1334
【CVPR 2023的AIGC应用汇总(1)】图像转换/翻译，基于GAN生成对抗/diffusion扩散模型【CVPR 2023的AIGC应用汇总(2)】可控文生图，基于diffusion扩散模型/GAN生成对抗【CVPR 2023的AIGC应用汇总（3）】GAN改进/可控生成的方法10篇【CVPR 2023的AIGC应用汇总(4)】图像恢复，基于GAN生成对抗/diffusion扩散模型1、La...
扩散模型（Diffusion Model）详解：原理、发展与应用
AngelCryToo的专栏
04-24 2211
近年来，扩散模型在生成式AI领域（如Stable Diffusion、DALL·E 2）表现突出，逐步取代了传统的。：相比GAN，扩散模型推理需多次迭代（但Consistency Models等新方法在改进）。αˉt=∏s=1t(1−βs)αˉt​=∏s=1t​(1−βs​) 是累积噪声因子。：扩散模型+LLM（如Stable Diffusion 3结合语言模型）。过程，逐步对输入数据（如图像）添加高斯噪声，最终使其变成完全随机的噪声。：ControlNet（基于扩散模型的条件控制）。
AI艺术的背后：详解文本生成图像模型【基于GAN】
Pain is inevitable but suffering is optional.
09-20 4675
系列文章链接：AI 艺术生成已经开始走进大众的视野中。在过去一年里，出现了大量的文本生成图像模型，尤其是随着 Stable Diffusion 以及 Midjourney 的出现，带起了一股 AI 艺术创作热潮，甚至很多艺术家也开始尝试用 AI 来辅助艺术创作。在本文中，将会系统梳理近几年出现的文本生成图像算法，帮助大家深入了解其背后的原理。生成对抗网络（GAN，Generative Adversarial Networks）由两个主要的模块构成：生成器和判别器。生成器负责生成一张图片，而判别器则负责判断这
【深度学习】扩散模型(Diffusion Model)详解：原理、应用与当前进展
欢迎来到我的优快云个人博客主页！
03-25 7906
本文介绍了一种生成模型——扩散模型（Diffusion Model）。扩散模型作为生成式AI的重要技术，已经在多个领域展现出巨大潜力。随着算法的不断优化和计算资源的提升，扩散模型将在更广泛的应用场景中发挥作用，推动生成式AI的进一步发展。
ChatGPT技术原理解析：从RL之PPO算法、RLHF到GPT4、instructGPT
热门推荐
结构之法 算法之道
01-15 22万+
本篇ChatGPT笔记会全力做到，通俗易懂且循序渐进(尽最大努力让每一个初学者哪怕是文科生都能没有障碍的读懂每一字一句、每一个概念、每一个公式) 一方面，对于想了解ChatGPT背后原理和如何发展而来的，逐一阐述从GPT/GPT2/GPT3到强化学习、PPO算法，最后再到instructGPT、ChatGPT、SeqGAN 且本文之前，99%的文章都不会把PPO算法从头推到尾，本文会把PPO从零推到尾，按照“RL-策略梯度-重要性采样(重要性权重)-TRPO(增加信任区域和KL散度约束)-PPO”的顺序逐步
Stable Diffusion核心网络结构——VAE
分享包括但不限于计算机基础知识、数据结构与算法、Golang技术栈。年与时驰，意与日去，遂成枯落，多不接世，悲守穷庐，将复何及！
11-18 4893
详细介绍Stable Diffusion核心网络结构——VAE，作用，架构，损失函数等。
天才程序员周弈帆 | Stable Diffusion 解读（一）：回顾早期工作
csdn_xmj的博客
06-08 2560
Stable Diffusion由两类AE的变种发展而来，一类是有强大生成能力却需要耗费大量运算资源的DDPM，一类是能够以较高保真度压缩图像的VQVAE。Stable Diffusion是一个两阶段的图像生成模型，它先用一个使用KL正则化或VQ正则化的VQGAN来实现图像压缩，再用DDPM生成压缩图像。可以把额外的约束（如文字）输入进DDPM以实现带约束图像生成。
【大模型理论篇】生成式模型算法原理深入浅出（涉及Stable Diffusion、生成对抗网络、高斯混合模型、隐马尔可夫模型、朴素贝叶斯等算法原理分析及生成式模型解释）
源泉的小广场
08-15 6840
生成式ai、生成式模型、混合高斯模型、gmm、隐马尔可夫模型、hmm、朴素贝叶斯、naive bayesian、stable diffusion、稳定扩散模型、lda、主题模型、生成对抗模型、gan
图像生成-VAE（变分自编码器）详解
m0_63879480的博客
12-25 5520
生成模型-VAE详解--学习笔记
详解AI作画原理：从生成对抗网络到卷积神经网络
2301_79262050的博客
05-18 1209
随着人工智能技术的迅猛发展，AI作画已经成为一个备受瞩目的领域。AI通过复杂的算法和神经网络，能够生成高质量的艺术作品，这不仅挑战了传统艺术的定义，也为艺术创作带来了全新的可能性。本文将详细解析AI作画的原理，包括其基础理论、技术方法以及应用前景。
Python深度学习进阶：注意力机制、Transformer模型、生成式模型、目标检测算法、图神经网络、深度学习模型可解释性与可视化方法的基本原理及Python代码实现方法
m0_73569316的博客
09-28 1843
3、自然语言处理（NLP）领域的Transformer模型：BERT、GPT-1 / GPT-2 / GPT-3 / GPT-3.5 / GPT-4（模型的总体架构、输入和输出形式、预训练目标、预训练数据的选择和处理、词嵌入方法、GPT系列模型的改进与演化、……3、注意力机制的主要类型：自注意力（Self-Attention）与多头注意力（Multi-Head Attention）、Soft Attention 与 Hard Attention、全局（Global）与局部（Local）注意力。
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 813
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 951
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1076
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最新发布
最简单的方法，解决最实际的问题。
12-05 455
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
AI泡沫什么时候破？
脑极体
12-04 306
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
昇腾平台 vLLM 部署与性能优化实战：高吞吐推理落地指南
二哈喇子！
12-01 1万+
昇腾平台vLLM部署与性能优化实战摘要
VAE与GAN生成模型详解及应用实验
该资料不仅涵盖了理论推导，还提供了动手实践（Lab on VAE 和 Labs on GAN）的内容，适合希望从基础到进阶全面掌握生成模型的学习者与研究人员。 首先，在“变分自编码器”部分，Bresson教授从传统自编码器...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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