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。

对于科研新手来讲，如何踏出科研的第一步至关重要，确定一个研究方向，确定选题，然后找到创新点，获取idea，写出论文，这条打怪升级的道路，可以有简单模式，也可以有复杂模式，anyway，无论是哪种模式，有大神的指点都会轻松许多。

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

文末福利

作为日常为了论文而忙碌的科研人，小编知道大家一定很需要一些资料。因此，小编精心整理了一份超过1T的AI顶会论文大礼包！包含最新顶会论文、书籍等资料，以及英文论文写作指导保姆级资料，从文献阅读到论文写作，全部帮你整理好~

扫码免费领课程资料↑

-END-