https://m1yan.github.io/tags/%E6%89%A9%E6%95%A3%E6%A8%A1%E5%9E%8B/ Recent content in 扩散模型 on M1YAN's Blog https://m1yan.github.io/images/papermod-cover.png https://m1yan.github.io/images/papermod-cover.png Hugo -- 0.163.3 zh M1Yan&rsquo;s Blog Mon, 17 Feb 2025 00:00:00 +0000 https://m1yan.github.io/posts/video_generation/ Mon, 17 Feb 2025 00:00:00 +0000 https://m1yan.github.io/posts/video_generation/ <blockquote> <p>全文为<a href="https://lilianweng.github.io/posts/2024-04-12-diffusion-video/">Weng, Lilian. (Apr 2024). Diffusion Models Video Generation. Lil’Log.</a>的中文翻译版本。</p> </blockquote> <p>在过去几年里，扩散模型在图像合成方面显示出了优异的效果。现在，研究界已经开始着手一项更加艰巨的任务——将扩散模型用于视频生成。该任务可以看作是图像生成的超集，因为图像可以认为是1帧的视频，但是图像生成更加具有挑战性，原因如下：</p> https://m1yan.github.io/posts/diffusion-model/ Sat, 07 Dec 2024 00:00:00 +0000 https://m1yan.github.io/posts/diffusion-model/ <blockquote> <p>Update [2024.12.7]：增加条件生成以及潜在扩散模型的介绍。</p> <p>Update [2024.12.11]：增加评估指标的对比以及超参数调整。</p> <p>Update [2024.12.12]：增加对于扩散模型个性化生成微调方法的介绍</p> </blockquote> <h2 id="生成模型">生成模型</h2> <p>目前主流的生成模型包括<strong>生成对抗模型 (GAN)</strong>、<strong>变分自编码器 (VAE)<strong>和</strong>基于流的模型 (Flow-based models)</strong>。</p>