OpenAI刚刚推出的年末新作GLIDE,又让扩散模型小火了一把。
这个基于扩散模型的文本图像生成大模型参数规模更小,但生成的图像质量却更高。
于是,依旧是OpenAI出品,论文标题就直接号称在图像生成上打败GAN的ADM—G模型也重新进入了大众眼中:
光看Papers with Code上基于ImageNet数据集的图像生成模型榜单,从64 x 64到512 x 512分辨率都由这一模型占据榜首:
对比曾号称史上最强图像生成器的BigGAN—deep也不落下风,甚至还能在LSUN和ImageNet 64 times, 64的图像生成效果上达到SOTA。
有网友对此感叹:前几年图像生成领域一直由GAN主导,现在看来,似乎要变成扩散模型了。
我们先来看看扩散模型的定义。
这是一种新的图像生成的方法,其名字中的扩散本质上是一个迭代过程。
具体到推理中,就是从一幅完全由噪声构成的图像开始,通过预测每个步骤滤除的噪声,迭代去噪得到一个高质量的样本,然后再逐步添加更多的细节。
而OpenAI的这个ADM—G模型,则是在此基础上向图像生成任务中加入了类别条件,形成了一种独特的消融扩散模型。
研究人员分别从以下几个方面做了改进:
基本架构
基于UNet结构做了五点改进:
在噪声逐步转换到信号的过程中,研究人员引入了一个预先训练好的分类网络。
之后,再基于分类分数和目标类别之间的交叉熵损失计算梯度,用梯度引导下一步的生成采样。
缩放分类梯度
按超参数缩放分类网络梯度,以此来控制生成图像的多样性和精度。
比如像这样,左边是1.0规模大小的分类网络,右边是10.0大小的分类网络,可以看到,右边的生成图像明显类别更加一致:
也就是说,分类网络梯度越高,类别就越一致,精度也越高,而同时多样性也会变小。
生成领域的新热点
目前,这一模型在GitHub上已有近千标星:
而与GAN比起来,扩散模型生成的图像还更多样,更复杂。
基于同样的训练数据集时,扩散模型可以生成拥有全景,局部特写,不同角度的图像:
左:BigGAN—deep 右:ADM
其实,自2020年谷歌发表DDPM后,扩散模型就逐渐成为了生成领域的一个新热点,
除了文章中提到的OpenAI的两篇论文之外,还有Semantic Guidence Diffusion,Classifier—Free Diffusion Guidence等多个基于扩散模型设计的生成模型。
扩散模型接下来还会在视觉任务上有哪些新的应用呢,我们来年再看。
。郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。
2023年2月15日,汤臣倍健与美团买药在北京举办了2023
2021年收入增长目标应能确保实现,2022年收入增长预计将
具体来看,一是简化业务流程和材料,便利北京冬奥会相关区域内境
炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜
,据索尼官方消息,新星粉,银河紫,星光蓝,三款全新配色Dua
,新氧数据颜究院发布《2021医美行业白皮书》,白皮书显示,