-
AI 作画《NBA球星动漫头像》| 用stable diffusion生成
扩散模型原理
扩散模型是一种概率模型，通过逐步去噪一个正态分布变量来学习数据分布p(x)，对应于学习长度为t的固定马尔可夫链的反向过程。模型可以通过训练去噪自编码器来实现（T = 1…T），它们被训练来预测其输入的去噪变体，而是输入的噪声版本，其训练函数：
扩散模型原理方面，包括：前向的加噪和逆向的去噪；
前向的加噪：给定初始数据（比如图像），一步一步加噪得到、、···、、、···、，最后的完全是一个正太分布噪音数据。其中，每一步的加噪，不妨记为 分布表示；对应地，实际的去噪分布记为 ；
逆向的去噪（生成）：一步一步去噪，得到、···、、、···、、，不妨记为 分布表示；
事实上，扩散模型的训练就是用网络(待学习参数为)预测所加的噪音变量分布。用KL散度衡量实际的去噪分布 和由网络学习的去噪分布：即。经一系列推导化简、等价为 。这里的是高斯噪声，预测网络以含噪图片作为输入，预测所添加的噪声。
即可以理解为，扩散模型的训练目标是，希望预测的噪声和真实噪声一致。
NBA球星动漫头像生成
我们来测试一下当前diffusion里最著名的 stable diffusion，它的文本生成图像能力。
并且输入的文本不包含任何限制或修饰，完全把想象空间交给模型！
注意，加入更多的修饰词，应该效果会好些。
姚明
库里
詹姆斯
奥尼尔
乔丹
杜兰特
科比
猜您喜欢：
最新最全100篇汇总！生成扩散模型Diffusion Models
附下载 |《TensorFlow 2.0 深度学习算法实战》
-
相关阅读:
为什么不让用join？《死磕MySQL系列 十六》
Java开发之Redis核心内容【面试篇 完结版】
JVM 类加载机制
ALM研发管理中规则库的配置与使用
Spring Boot 常用设计模式
java开发学习框架
工程伦理--16.1传统制造业的转型升级与伦理问题
JavaScript 关联数组
Python模板注入（SSTI）
【git系列3/4】仓库（GitHub）上的项目的文件是什么换行符？同一个文件可以有不同换行符吗？
- 原文地址：https://blog.csdn.net/lgzlgz3102/article/details/127524990
