摘要：
名称 link [VQ-GAN](Taming Transformers for High-Resolution Image Synthesis) 时间：CVPR2021 oral 21.06 机构：Heidelberg Collaboratory for Image Processing, IWR 阅读全文
摘要：
LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models LVM: Sequential Modeling Enables Scalable Learning for Large Vision Models 阅读全文
摘要：
名称 KOSMOS: Language Is Not All You Need: Aligning Perception with Language Models 时间：23.05 机构：Microsoft TL;DR 一种输入多模型信息的大语言模型，作者称之为多模型大语言模型(MLLM)，可以图多 阅读全文
摘要：
名称 VQ-VAE: Neural Discrete Representation Learning 时间：17.11 机构：Google TL;DR VQ全称为Vector Quantised，故名思义，本文相对于VAE最大改进是将VAE的latent representation由连续建模为离散 阅读全文
摘要：
名称 Imagen: Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding 时间：22/05 机构：Google TL;DR 发现使用LLM(T5)可以作为text2image任务的text en 阅读全文
摘要：
名称 DiT: Scalable Diffusion Models with Transformers 时间：23/03 机构：UC Berkeley && NYU TL;DR 提出首个基于Transformer的Diffusion Model，效果打败SD，并且DiT在图像生成任务上随着Flops 阅读全文
摘要：
DALLE3: Improving Image Generation with Better Captions DALLE3: Improving Image Generation with Better Captions 时间：23/10 机构：OpenAI TL;DR 本文认为text-imag 阅读全文
摘要：
名称 DALLE2: Hierarchical Text-Conditional Image Generation with CLIP Latents 也叫 UnCLIP 时间：22.04 机构：OpenAI TL;DR OpenAI的首篇从CLIP的image embedding生成图像的方法，实 阅读全文
摘要：
GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models GLIDE(Guided Language to Image Diffusion for Generation a 阅读全文
摘要：
DALLE: Zero-Shot Text-to-Image Generation DALLE: Zero-Shot Text-to-Image Generation 时间：21.02（与CLIP同期论文） 机构：OpenAI TL;DR 提出一个将文本与图像作为token，利用Transforme 阅读全文