网站大量收购独家精品文档,联系QQ:2885784924

生成未必理解:基于扩散模型能否实现视觉世界模型.docx

生成未必理解:基于扩散模型能否实现视觉世界模型.docx

  1. 1、本文档共29页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

VN

V

88

8

生成未必理解:

基于扩散模型能否实现视觉世界模型?

袁粒LiYuan

SchoolofECE,PekingUniversityShenzhenGraduateSchool

“WhatIcannotcreate,Idonotunderstand”—RichardFeynman

“WhatIcangenerate,Idounderstand”

“WhatIcanunderstand,Idogenerate”

?

基于扩散的生成真的理解了吗?

跑步机上的人反着跑步,不符合逻辑

Prompt:Step-printingsceneofapersonrunning,cinematicfilmshotin35mm.

杯子水先撒出来,后破碎,不符合事实

Prompt:Glassshatteringwithredliquidandicecubes

小狼的数量时而五只,时而三只或四只

Prompt:Fivegraywolfpupsfrolickingandchasingeachotheraroundaremotegravelroad

DiffusionsBeatGANs

V.S.

V.S.

Dhariwal,Prafulla,andAlexanderNichol.DiffusionModelsbeatGansonImageSynthesis.NeurIPS34(2021):8780-8794.4

基于Diffusion的视觉生成发展

HuaweiproposedtheT2ImodelPixArt-αbasedonDiTGoogle

HuaweiproposedtheT2ImodelPixArt-αbasedonDiT

GoogleproposedV1oftheVideoDiffusionModel

Proposed

DDIM

AcademicProgress

ShanghaiAI

Labproposed

Latte,aT2V

modelbasedon

DiT

T2I-Adapter(PKU)andControlNet

(Stanford)were

proposedfor

preciseT2Icontrol

CLIP:Aligningtextandimagespaces,laterwidelyusedforT2I

DDPMwas

proposedin

June

LoRAforDiffusion

wasproposed,

quicklyadoptedforvariousapplications

LatentDiffusion

Model(LDM)was

processed

Metaproposed

DiffusionTransformer,

replacingU-NetwithTransformer

20242023202220202021

2024

2023

2022

2020

2021

StabilityAIopen-sourcedStableDiffusionV1andV2OpenAIreleasedSora

StabilityAI

open-sourced

StableDiffusionV1andV2

OpenAIreleasedSora,a

T2Vmodel,butnoAPI

accessyet

OpenAIproposed

DALL-E,basedon

Transformernot

Diffusion

THUproposed

CogView,atext-

to-imagemodel

basedon

Transformer,

followingDALL-E

Videogenerationapps

PikaV1,RunwayGen1

andGen2,andStable

VideoDiffusionemerged

KelingModelby

KuaishouViduby

ShengshuOpenSora

planbyPKU

ApplicationProgress

OpenAIproposed

DALL-E2,based

onDi

文档评论(0)

哈哈 + 关注
实名认证
内容提供者

嗨,朋友,我都会用最可爱的语言和最实用的内容,帮助你更好地理解和应对职场中的各种挑战!

1亿VIP精品文档

相关文档