-
【扩散生成模型】Diffusion Generative Models
stable diffusion的扩散模型训练的时候为何要添加噪声？
Github扩散论文合集：
Awesome-Diffusion-Models提出扩散模型思想的论文：
《Deep Unsupervised Learning using Nonequilibrium Thermodynamics》理解
扩散模型综述：
扩散模型(Diffusion Model)最新综述+GitHub论文汇总-A Survey On Generative Diffusion
VAE、GAN 这种生成模型和 transformer 有什么区别？
[Transformer 101系列] AIGC组成原理(上)
[Transformer 101系列] AIGC组成原理(下)
理论推导、代码实现：
飞桨框架下的
stable diffusion：PaddleHub：使用Stable Diffusion进行创作
在paddlehub这个image下面还有各种模型可用，比如imagegan、object detection等。https://github.com/PaddlePaddle/PaddleHub/tree/develop/modules/image/text_to_image/stable_diffusion
轻松学习扩散模型（diffusion model），被巨怪踩过的脑袋也能懂——原理详解+pytorch代码详解（附全部代码）
https://github.com/xiaohu2015/nngen/tree/main
扩散——新模型：
[ICLR2023] 扩散生成模型新方法：极度简化，一步生成
扩散模型家族再添一员，最新 Cold Diffusion 不再依赖高斯噪声
在这篇叫做“Cold Diffusion: Inverting Arbitrary Image Transforms Without Noise”的最新论文中，作者提出了一个疑问：制作扩散模型的变体，是不是非得使用高斯噪声不可？
通过多次尝试，该研究团队得出了答案：并不一定需要。
Cold Diffusion 继承了这两步工作流程，但又对之进行了升华式的修改。如下图所示，在图像退化再到逆转退化的过程中，Cold Diffusion 研究团队尝试了使用噪声、模糊、变形（Animorph）、遮罩（mask）、像素化（pixelate）、雪花等变换方式，且都得到了不错的效果。
扩散模型优化方向：
-
训练方式、免训练采样、混合模型和分数与扩散统一
-
离散和连续的空间映射
综述文章：A Survey on Generative Diffusion Model
-
-
相关阅读:
Tdengine技术实践
二、枚举 enum
分布式应用：从CAP理论到PACELC理论
为什么开源大模型终将胜出？
逆向-还原代码之运算符++ (Interl 32)
Jenkins（笔记）
Nuttx驱动（一）简介
Linux开机默认进入命令行或图形化模式
B树、B+树和B*树
【数学】【位运算】Divan and bitwise operations—CF1614C
- 原文地址：https://blog.csdn.net/weixin_44708254/article/details/133139383
