fariver

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

摘要： 名称 Latent Diffusion Model, High-Resolution Image Synthesis with Latent Diffusion Models 时间：21.12 机构：runway TL;DR 这篇文章介绍了一种名为潜在扩散模型（Latent Diffusion Mo 阅读全文

摘要： 名称 DDIM DENOISING DIFFUSION IMPLICIT MODELS TL;DR 这篇文章介绍了一种名为去噪扩散隐式模型（Denoising Diffusion Implicit Models, DDIMs）的新型生成模型，它是基于去噪扩散概率模型（DDPMs）的改进版本。DDIM 阅读全文

摘要： 名称 DDPM: Denoising Diffusion Probabilistic Models 时间：2020.12 TL;DR 这篇文章介绍了一种名为去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPM）的新型生成模型。DDPM通过在图 阅读全文

摘要： 名称 VAE原文 TL;DR 这篇文章介绍了一种名为Auto-Encoding Variational Bayes (AEVB)的算法。AEVB算法通过引入随机变分推断和学习算法，解决了在大数据集和不可解后验分布情况下的推断和学习问题。文章的主要贡献有两个：首先，提出了一个可以直接使用标准随机梯度方 阅读全文

摘要： Learning Transferable Visual Models From Natural Language Supervision link CLIP 全称 Contrastive Language-Image Pre-training 时间：21.02 机构：OpenAI TL;DR 一种 阅读全文

摘要： VIT: AN IMAGE IS WORTH 16X16 WORDS link TL;DR 首篇使用纯Transformer来做CV任务的文章。 Method 首先将图像拆成多个图片Patch，每个Patch通过LindearProjection变成embedding特征，使用Transformer 阅读全文

摘要： Transformer ) 名称解释： Self-Attention: 类似于CNN里面的Conv层，是Transformer中重复次数最多的特征提取Layer。 Multi-Head Attention: 相对于Self-Attention，将每个节点外接多个q、k、v head。 Cross A 阅读全文