qq_33980935的博客

在调试时看到WGAN， 这篇文章讲得很不错，转一下。链接: https://www.cnblogs.com/Allen-rg/p/10305125.html.WGAN解决问题1 彻底解决GAN训练不稳定的问题，不再需要小心平衡生成器和判别器的训练程度2 基本解决了collapse mode的问题，确保了生成样本的多样性3 训练过程中终于有一个像交叉熵、准确率这样的数值来指示训练的进程，这个数值越小代表GAN训练得越好，代表生成器产生的图像质量越高（如题图所示）4 以上一切好处不需要精心设计的网络

这段时间在项目中接触到了LDM，很早之前了解过GAN，感觉二者还是有很大的不同，因此阅读了论文原文以及网上的公开介绍，结合自己的理解总结了一下，方便后续查看。如涉及到其他网络著作权，可联系删除。这篇笔记主要围绕隐空间扩散模型优势、稳定扩散模型原理、隐空间机制、生成模型部署训练以及图像生成等方面进行阐述说明。