DALL·E 2 之所以能够生成十分惊艳的图像，扩散模型功不可没，相比 GAN，该模型可以生成更多样，更高质量的图像（缺点在于计算量很大，需要反复迭代）。扩散模型的思想很简单，inference 的时候给定一个噪声信号作为输入，训练一个模型估计高斯噪声，用噪声减去这个预测的噪声，然后重复迭代以上操作直至恢复原始信号。理论上，可以用于语音合成、图像生成、超分辨率等连续信号的生成。
本文主要介绍扩散模型及其在图像生成领域的应用，主要包括以下部分：
  • 扩散模型（diffusion model）的原理
  • 引导扩散模型 guided diffusion model（classifier-guidance, semantic-guidance, classifier-free-guidance）
  • GLIDE
  • DALL·E 2

内容中包含的图片若涉及版权问题，请及时与我们联系删除