<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sdksdf的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sdksdf</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sdksdf]]></copyright><item><title><![CDATA[Flow-GRPO：通过在线 RL 训练 Flow matching 模型]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/150452394</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/150452394</guid><author>sdksdf</author><pubDate>Sat, 16 Aug 2025 21:46:08 +0800</pubDate><description><![CDATA[本文介绍了Flow-GRPO方法，将强化学习中的GRPO算法应用于Flow matching模型训练，显著提升了生成质量。文章首先回顾了Flow matching的基本原理，指出当前模型的不足。随后详细阐述了Flow-GRPO的创新点：通过将ODE转化为SDE引入随机性，使模型能生成多样化样本；设计基于KL散度的优化目标；提出去噪加速策略，在训练时减少采样步数。实验证明该方法能有效提升生成质量，如SD3.5模型在T2I任务上的表现。数学推导部分严谨证明了ODE到SDE的转换过程。该方法为Flow match]]></description><category></category></item><item><title><![CDATA[【NeurlPS 2024】MAR：无矢量量化的自回归图像生成]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/147541660</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/147541660</guid><author>sdksdf</author><pubDate>Sat, 26 Apr 2025 19:57:15 +0800</pubDate><description><![CDATA[​	本期内容，我们将MAR（掩码自回归模型）。与传统的视觉自回归需要把图像离散化成一个个token的方式不同。MAR构建的是一个连续型的自回归模型。MAR：无矢量量化的自回归图像生成。]]></description><category></category></item><item><title><![CDATA[DragDiffusion：利用扩散模型进行基于点的交互式图像编辑]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/146256643</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/146256643</guid><author>sdksdf</author><pubDate>Fri, 14 Mar 2025 14:26:25 +0800</pubDate><description><![CDATA[​	本篇文章，我们来讲DragDiffusion，他与DragGAN是一个差不多的。只是一个是用GAN去做；一个是用Diffusion去做。总之就是换汤不换药。]]></description><category></category></item><item><title><![CDATA[Diffusion_Autoencoder：扩散自编码器]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/146150697</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/146150697</guid><author>sdksdf</author><pubDate>Mon, 10 Mar 2025 12:32:00 +0800</pubDate><description><![CDATA[​	本期内容，我们讲Diffusion Autoencoder，这是一个基于自编码器和扩散模型组合而成的模型，主要为了通过他们，去学习到图像的语义表征。然后再使用这些表征去用于其他下游任务。Diffusion AutoEncoder：扩散自编码器​	参考论文：[]]></description><category></category></item><item><title><![CDATA[【深度学习】VITS语音合成原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/143409576</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/143409576</guid><author>sdksdf</author><pubDate>Thu, 31 Oct 2024 17:44:59 +0800</pubDate><description><![CDATA[1、前言
呃。。。好多天没更新了，最近 黑神话悟空 相当火啊，看上瘾了。本篇内容，我们来讲一下VITS。
视频：语言合成 &amp; 变声器 ——VITS原理解析①_哔哩哔哩_bilibili
2、VITS
训练图

预测图：

2.1、条件VAE的优化目标
对于VITS，其实可以看做是一个条件VAE，所以我们直接开始求极大似然（x是音频，c是对应条件，如文本等等）
log⁡P(x∣c)=log⁡P(x,z∣c)P(z∣x,c)
\begin{aligned}\log P(x|c)&amp;=\log \f]]></description><category></category></item><item><title><![CDATA[CVAE条件生成原理推导]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/141230649</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/141230649</guid><author>sdksdf</author><pubDate>Thu, 15 Aug 2024 20:04:12 +0800</pubDate><description><![CDATA[本篇文章，我们来讲一下条件VAE，也就是CVAE。主要是下一期内容需要用到这个东西，而我们之前又没有讲过。所以来简单推导一下[VAE问题解答+CVAE原理解析-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[一文教会你该如何去学习人工智能！]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/140922380</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/140922380</guid><author>sdksdf</author><pubDate>Mon, 05 Aug 2024 11:25:36 +0800</pubDate><description><![CDATA[本篇文章，主要是为了给大家一个学习AI的学习路线。目前网络上有很多的网络资源，但是很多人都是东捡一集，西捡一集，导致学习体系不完备，加上学习资源的质量参差不齐。最终总是遇到各种各样奇怪的问题。所以，本篇文章，我将跟大家说一下，从零基础，该如何学习。【一个视频教会你该如何去学习人工智能！-哔哩哔哩】]]></description><category></category></item><item><title><![CDATA[SimMIM：一个类BERT的计算机视觉的预训练框架]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/140466923</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/140466923</guid><author>sdksdf</author><pubDate>Tue, 16 Jul 2024 15:07:37 +0800</pubDate><description><![CDATA[呃…好久没有写博客了，主要是最近时间比较少。今天来做一期视频+博客的内容。本文主要讲SimMIM，它是一个将计算机视觉（图像）进行自监督训练的框架。SimMIM：用于掩码图像建模的简单框架 (arxiv.org)代码实现：https://github.com/microsoft/SimMIM【SimMIM：计算机视觉的随机掩码预训练-哔哩哔哩】]]></description><category></category></item><item><title><![CDATA[扩散模型条件生成——Classifier Guidance和Classifier-free Guidance原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/139549182</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/139549182</guid><author>sdksdf</author><pubDate>Sat, 08 Jun 2024 17:42:30 +0800</pubDate><description><![CDATA[从讲扩散模型到现在。我们很少讲过条件生成（Stable DIffusion曾提到过一点），所以本篇内容。我们就来具体讲一下条件生成。这一部分的内容我就不给原论文了，因为那些论文并不只讲了条件生成，还有一些调参什么的。并且推导过程也相对复杂。我们从一个比较简单的角度出发。参考代码：[扩散模型条件生成——Classifier Guidance和Classifier-free Guidance原理解析-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[如何微调出自己的大模型——LoRA原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/139456789</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/139456789</guid><author>sdksdf</author><pubDate>Wed, 05 Jun 2024 00:04:46 +0800</pubDate><description><![CDATA[上一篇文章，我们已经讲了隐扩散模型——Stable Diffusion生成大模型。这种大模型，参数量及其之大。你没有足够的算力资源，就只能够使用人家已经训练好的大模型。既然没有办法训练属于自己的模型，那我们就想，是否可以在别人已经训练好的大模型的基础上，用我们自己的训练数据，对模型进行微调，从而得到我们想要的模型。github.com[如何微调出属于自己大模型？——LORA原理解析-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[Stable diffusion文生图大模型——隐扩散模型原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/139417214</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/139417214</guid><author>sdksdf</author><pubDate>Mon, 03 Jun 2024 15:54:33 +0800</pubDate><description><![CDATA[本篇文章，我们将讲这些年非常流行的文生图大模型——Stable Diffusion。该模型也不难，甚至说很简单。创新点也相对较少，如果你学会了我以前的文章讲过的模型，学习这个也自然水到渠成！[Stable diffusion生成大模型——隐扩散模型原理解析-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[噪声条件分数网络——NCSN原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/139159988</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/139159988</guid><author>sdksdf</author><pubDate>Thu, 23 May 2024 23:46:06 +0800</pubDate><description><![CDATA[本篇文章，我们讲NCSN，也就是噪声条件分数网络。这是宋飏老师在2019年提出的模型，思路与传统的生成模型大不相同，令人拍案叫绝！！！[噪声条件得分(分数)网络——NCSN原理解析-哔哩哔哩]Ps：这篇文章我简单讲一下思路就算了，过程并不严谨，因为这个内容并不是很重要。]]></description><category></category></item><item><title><![CDATA[【深度学习】Diffusion扩散模型的逆扩散问题]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/138718867</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/138718867</guid><author>sdksdf</author><pubDate>Sat, 11 May 2024 15:52:06 +0800</pubDate><description><![CDATA[上一篇，我们讲了Diffusion这个模型的原理推导。但在推导中，仍然遗留了一些问题。本文将解决那些问题[Diffusion扩散模型补充-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[【深度学习】Diffusion扩散模型原理解析1]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/138672176</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/138672176</guid><author>sdksdf</author><pubDate>Fri, 10 May 2024 16:42:22 +0800</pubDate><description><![CDATA[1、前言
diffusion，这几年一直很火的模型，比如这段时间在网上的文生图大模型——Stable diffusion。就是以diffusion作为基底模型，但由于该模型与VAE那边，都涉及了较多了概率论知识，实在让人望而却步。所以，本文将对diffusion进行数学原理推导，如果你没有上过概率论这门课，建议先去学。
论文：
①Deep Unsupervised Learning using Nonequilibrium Thermodynamics (arxiv.org)
②Denoising Diff]]></description><category></category></item><item><title><![CDATA[【深度学习】VAE变分自编码器原理推导+Python代码实现]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/138401865</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/138401865</guid><author>sdksdf</author><pubDate>Thu, 02 May 2024 22:33:25 +0800</pubDate><description><![CDATA[1、前言
变分自编码器是近些年较火的一个生成模型，我个人认为其本质上仍然是一个概率图模型，只是在此基础上引入了神经网络。本文将就变分自编码器（VAE）进行简单的原理讲解和数学推导。
论文： Auto-Encoding Variational Bayes
视频：
2、引入
2.1、高斯混合模型
生成模型，可以简单的理解为生成数据(不止，但我们暂且就这么理解它)\boxed{(不止，但我们暂且就这么理解它)}(不止，但我们暂且就这么理解它)​。假如现在我们有样本数据，而我们发现这些样本符合正态分布且样本具有充分]]></description><category></category></item><item><title><![CDATA[生成模型必备数学基础——概率论基础复习]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/138322038</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/138322038</guid><author>sdksdf</author><pubDate>Mon, 29 Apr 2024 18:46:37 +0800</pubDate><description><![CDATA[本篇复习一些机器学习和深度学习常用的概率论的基础知识，因为我发现有挺多人对这些东西都不了解，或者说忘了，所以，本篇文章，意在唤醒你那已经交还给老师的概率论基础记忆，以为下一篇文章做基础[数学基础——生成模型必备知识-哔哩哔哩]]]></description><category></category></item><item><title><![CDATA[GPT与GAN结合生成图像——VQGAN原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/138134829</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/138134829</guid><author>sdksdf</author><pubDate>Tue, 23 Apr 2024 18:15:11 +0800</pubDate><description><![CDATA[这篇文章，我们讲VQ_GAN，这是一个将特征向量离散化的模型，其效果相当不错，搭配Transformer（GPT）或者CLIP使用，达到的效果在当时可谓是令人拍案叫绝！[GPT与GAN结合生成图像——VQGAN原理解析-哔哩哔哩]效果演示：图像生成其他任务。]]></description><category></category></item><item><title><![CDATA[【深度学习】写实转漫画——CycleGAN原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/137890036</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/137890036</guid><author>sdksdf</author><pubDate>Wed, 17 Apr 2024 21:33:10 +0800</pubDate><description><![CDATA[上一篇，我们讲解了按照指定文本标签生成对应图像的CGAN。本篇文章，我们讲CycleGAN。]]></description><category></category></item><item><title><![CDATA[【深度学习】伪造指定图像——CGAN原理解析及其代码实现]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/137869283</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/137869283</guid><author>sdksdf</author><pubDate>Wed, 17 Apr 2024 13:22:21 +0800</pubDate><description><![CDATA[本篇介绍条件GAN——CGAN，这其实是一个挺简单的模型，只要你知道GAN这个模型，就很容易能够看懂这个，因为CGAN就是在GAN的基础上加上了一个条件，CGAN的作用就是可以依据标签生成对应的图像。【伪造指定图像——CGAN原理解析-哔哩哔哩】]]></description><category></category></item><item><title><![CDATA[【深度学习】AI修图——DragGAN原理解析]]></title><link>https://blog.youkuaiyun.com/sdksdf/article/details/137794379</link><guid>https://blog.youkuaiyun.com/sdksdf/article/details/137794379</guid><author>sdksdf</author><pubDate>Mon, 15 Apr 2024 20:41:27 +0800</pubDate><description><![CDATA[上一篇，我们讲述了StyleGAN2。这一篇，我们就来讲一个把StyleGAN2作为基底架构的DragGAN。DragGAN的作用主要是对图片进行编辑，说厉害点，可能和AI修图差不多。这篇论文比较新，发表自2023年参考代码：https://github.com/skimai/DragGANAI修图——DragGAN原理解析-哔哩哔哩演示（随意选择红点，让红点对应位置的像素移动到蓝点）：demo。]]></description><category></category></item></channel></rss>