5000字+多图,一文看清“扩散模型编年史’!
来源:Zeqiang Lai
作者:别有一洞天

(图片由扩散模型生成,截取自Midjourney showcase)
目录
序章生成纪元“打基础” 的 2020 秋 - 2021 年秋“百花齐放” 的 2021 秋 - 2022 年春“大步迈向大模型时代” - 2022 春 - 2022 年秋后生成纪元“军备竞赛启动” - 2022 秋 - 2023 年春“手慢无” - 2023 春 - 至今What's Next冷知识序章
AIGC (Artificial Intelligence Generated Content) 这个概念,可以毫不夸张地称之为本年度在人工智能领域内圈内乃至圈外最为火爆的一个话题。对于一般大众而言,AIGC的热议热潮,应当溯源至去年年底2022年,即 Stable Diffusion 的开源公布,以及随之而来的一系列借助 Stable Diffusion 为基础的工作。这些成果使得人工智能绘画领域呈现出前所未有的高品质创作与创意,而开源工具 Stable Diffusion WebUI 和 ComfyUI 与商业化产品 Midjourney 的问世,则大幅降低了普罗大众使用此类工具的门槛。
从技术角度来看,AI绘画热潮的兴起要归功于 扩散模型 的引入。然而,作为一项早在2015年于国际机器学习会议(ICML)上提出的理论构想,其初现并未引起广泛的关注。直至2020年6月,来自加州大学伯克利分校的一篇题为 DDPM 去噪扩散概率模型的 NeurIPS论文,在更加庞大的数据集上展现出与当时最优的生成对抗网络(GAN)模型相媲美的性能,研究人员方才逐渐领悟到扩散模型在内容创作领域所蕴藏的威力与前景。
生成纪元
“打基础” 的 2020 秋 - 2021 年秋
自从DDPM 问世以后,扩散模型在图像生成领域缓缓地迈向成熟。尽管每个学术会议都会呈现一些相关研究,但这类论文的数量仍不多。
总的来说,这一阶段研究主要还是在聚焦扩散模型的理论和实践基础上,这不仅包括以DDPM为代表的连续性扩散模型也包括了离散型的扩散模型。当然,离散型和连续性扩散模型都已经在 2015 的这篇论文中已经出现了相关推荐
- 免责声明
- 本文所包含的观点仅代表作者个人看法,不代表新火种的观点。在新火种上获取的所有信息均不应被视为投资建议。新火种对本文可能提及或链接的任何项目不表示认可。 交易和投资涉及高风险,读者在采取与本文内容相关的任何行动之前,请务必进行充分的尽职调查。最终的决策应该基于您自己的独立判断。新火种不对因依赖本文观点而产生的任何金钱损失负任何责任。
热门文章
