聊聊diffusion和AIGC

AI绘画属于AIGC分支之一， 在 热潮与争议之中，2022年 甚至 被 冠以 “AIGC元年”。而 随着 AI 绘 画 的火 爆 ，其背后用到的核心技术之一 Diffusion Model（扩散模型） 也 在图像生成领域大红大紫，甚至风头已经隐隐有开始超过 GAN的趋势了 。

从 原理图可以看出，输入的文本首先经过编码， 再 由一个文字转图像的扩散模型转化为64*64的小图， 从而 利用超分辨率扩散模型对小图进行处理，在进一步的迭代过程中提升图像的分辨率，得到最后的生成结果——一张1024*1024的最终图像。

扫码领diffusion必读论文

预约AIGC大咖公开课

Diffusion model最大的优势是 训练简单。 它借助图像分割领域的UNet，训练loss稳定，模型效果非常好。相比于GAN需要和判别器对抗训练或者VAE需要变分后验，diffusion model的loss真的是太简单了。diffusion model只需要“模仿”一个非常简单的前向过程对应的逆过程即可。这样简单高效的训练也使得diffusion model在许多任务中的表现都非常好，甚至超过了GAN。

整体上来看，diffusion model领域正处于一个 百花齐放 的状态，这个领域有一点像GAN刚提出来的时候，但目前的训练技术让diffusion model直接跨越了GAN领域调模型的阶段，而是直接可以用来做下游任务。这个领域有一些核心的理论问题还需要研究，这就给科研从业者提供个很有价值的研究内容，有很多idea都可以被激发出来，同时由于这个模型已经很work了，它和下游任务的结合也才刚刚起步，有很多地方都可以赶紧占坑。而未来随着diffusion model中存在的问题的解决，diffusion model将逐渐占据深度生成模型的主导。

3月8日， 我们邀请顶会论文大佬、顶会审稿人Nick老师，来和大家聊一聊3D AIGC的方方面面，作为未来最有潜力，落地应用最广的研究方向之一，AIGC真的吸足了眼球，而Nick老师也将从AIGC出发，讲解它的落地场景，研究方向以及可能的创新点 ～

扫码免费预约定顶会大佬直播课

限前一百名粉丝

文末领福利

要高效做科研 ， 掌握方法、 合理利用自身可用资源 很关键！ 结合身边学弟学妹以及自己的科研成长经历 ，发现大家 普遍缺乏系统的科研知识体系， 很难写出一篇合格的文章。 更别提发现好的创新点和 idea 了 ！

做科研发论文从结果上，其实可以分为以下三类：

1. 发现一个新方法，并将其运用在一个已知的问题之上 （老问题新方法）

2. 发现一个新问题，并将一个已知的研究拓展到这个问题之上 （新问题老方法）

3. 发现一个新问题，并且提出一个新方法用以对其进行分析研究 （新问题新方法）

以难以程度来考量的话， 新问题老方法＜老问题新方法＜新问题新方法。

所以，大家都头疼的创新点和idea，其实也有方法论，掌握了之后，就会比较容易找到一个idea～

想“idea”，有两宝——模型+算法

模型，可以理解成system model中的部分，可以是现有问题模型的拓展延伸， 其实，这就叫创新，只要你做的是别人还没研究或者研究很少的，就已经可以算创新了。

当你提出了一个模型，就要选择一个合适的算法来解决模型中的问题。 可以是寻找合适的算法根据自己的场景合理地进行改进，就已经是一个很棒的想法了。

扫码免费预约定顶会大佬直播课

限前一百名粉丝

文末领福利