Part 01
● 發展歷史 ●
1.1 起源
2015年在Deep Unsupervised Learning using Nonequilibrium Thermodynamics 這篇文章中提出,當時的生成模型例如VAE,有一個很大的難點,就是這類模型是先定義了條件分佈,然後再定義變分後驗去適配,最後會導致需要同時優化條件分佈和變分後驗,然而這是很困難的。如果我們可以定義一個簡單的過程,把資料分佈映射到標準高斯,「生成器」的任務就變成了簡單的擬合這個過程的逆過程的每一小步,這,就是diffusion model的核心思想。然而這篇文章當時並沒有掀起什麼波瀾。
1.2 發展
#時間來到2020年,基於前人的思想,提出了DDPM模型(Denoising Diffusion Probabilistic Models),相對於基礎的擴散模型,作者結合了擴散模型和去噪分數,來引導訓練以及採樣的過程,帶來了生成圖像樣本適量的提升,使其在訓練更簡單穩定的條件下,最後的結果可以和GAN模型相當。
圖2-DDPM的產生結果
然而DDPM模型也並非完美無缺,由於擴散過程是一個馬爾科夫鏈,其缺點就是需要比較大的擴散步數才可以獲得比較良好的效果,這導致了樣本生成很慢。
於是繼DDPM之後,時間來到2021年,Song等人提出了DDIM(Denoising Diffusioin Implicit Model),其改造了DDPM的擴散過程的採樣方法,將傳統的馬可夫擴散過程推廣到了非馬可夫過程,可以用更小的採樣步數來加速樣本生成,大大的提高了效率。
1.3 爆發
#2022年,Google基於擴散模型推出了新的AI系統,可以將文字描述轉為逼真影像。
#圖3
############################## ###########################################################################由Google給出的原理圖可以看出,輸入的文字首先經過編碼,然後由一個文字轉圖像的擴散模型轉化為64*64的小圖,進一步的,利用超分辨率擴散模型對小圖進行處理,在進一步的迭代過程中提升影像的分辨率,得到最後的生成結果-一張1024*1024的最終影像。這個神奇的過程就像是大家使用中所感受到的一樣,輸入了一段文字——一隻穿著紅色點點高領衫,戴著藍色方格帽子的金毛狗狗,然後程式就自動生成了上面你所看到的狗狗圖片。 ##########另一款熱度頗高的現象級應用——novalAI,這本來是一個致力於AI寫作的網站,基於當前火熱的圖像生成,它結合網絡上的圖片資源,訓練了一個專注於二次元的圖像生成模型,從效果上看已經初具人類畫手的水平。
#圖5
除了傳統的輸入文字從而產出圖片之外,它還支援輸入圖片作為參考,可以讓AI基於已知的圖片基礎上產生新的圖片,一定程度上解決了AI生成結果不可控的問題。
Part 02#●
原則闡述●
那麼,如此強大的AI技術,其工作過程到底是怎樣的呢?這裡我們以比較經典的DDPM模型作為例子給出簡單的過程:2.1 前向過程##前向過程是一個往圖片上加雜訊的過程,目的是為了建構訓練樣本GT。
對於給定的初始資料分佈x0~q(x),我們逐步在資料分佈中加入高斯噪聲,這個過程有T次,每一步的結果是x1,x2,...,xt,雜訊的標準差表示為#,則加噪過程可以表述為:
#如前文所述,這是一個馬爾科夫鏈過程。最終會使得資料趨向於各向同性的高斯分佈。
2.2 逆擴散過程
#逆向過程是去雜訊的過程,如果得知,就可以從完全的標準高斯分佈中還原出x0, 經過證明如果
滿足高斯分佈且
夠小,那麼仍然是一個高斯分佈,然後
#無法簡單推論得到,所以我們利用一個參數為
的深度學習模型去預測它,所以有:
如果得知x0,則透過貝葉斯公式有:
##2.3 訓練過程
##2.3 訓練過程 如果對於機器學習有所了解的讀者應該知道,所有模型的訓練都是為了能夠最優化模型的參數,從而得到可靠的均值和方差,我們最大化模型預測分佈的對數似然,即:
經過一系列的推導, DDPM模型得到了最後的loss函數表達:
- 總結訓練的過程:
-
#1.
獲取輸入的x0, 從1...T中隨機取樣一個t
- #2.從標準高斯分佈取樣一個雜訊
#3.計算損失並迭代最小化損失函數
##Part 03
● 總結
##● ########################################################################################################## ####擴散模型已經展示出了巨大的潛力,其相對於VAE模型不需要對準後驗分佈,也不需要像GAN那樣訓練額外的判別器,在包括計算機視覺,生物信息學,語音處理等方面都有應用,其在圖像生成方面的應用,將助力於提升圖像創作的效率,可能讓AI生成根據條件生成若干圖片,人類對其結果進行篩選和修改會是將來2D繪畫領域的新的工作模式,這可能會很大程度上提升2D數位資產的生產效率。 ##########然而伴隨著AI技術的發展,總是會有一些爭議,圖像生成領域也不例外,除了AI技術本身的問題,如生成的圖片結構錯誤,不合理之外,也伴隨著一些法律上的糾紛,例如AI作品本身的版權問題。技術的問題可以透過技術本身的發展來解決,我們有理由相信隨著AI技術的發展,圖像生成最後會達到一個很高的水平,這會消滅大部分低端的繪畫相關的工作,極大的解放人類的生產力。版權問題可能還是需要政府部門對於相關產業的發展投入足夠多的關注,完善相關的政策和製度,需要我們對於新興的領域有更多的思考,從而讓AI技術更好的服務於我們。
參考文獻
#https://www.php.cn/link/3799b2e805a7fa8b076fc020574a73b2
##https://www.php.cn/link/6872937617af85db5a39a5243e858d1f
################################################################ #################https://www.php.cn/link/831da40e5907987235ebe5616446e083############################################################################# ##########以上是基於Diffusion Model的影像生成的詳細內容。更多資訊請關注PHP中文網其他相關文章!

ai合并图层的快捷键是“Ctrl+Shift+E”,它的作用是把目前所有处在显示状态的图层合并,在隐藏状态的图层则不作变动。也可以选中要合并的图层,在菜单栏中依次点击“窗口”-“路径查找器”,点击“合并”按钮。

ai橡皮擦擦不掉东西是因为AI是矢量图软件,用橡皮擦不能擦位图的,其解决办法就是用蒙板工具以及钢笔勾好路径再建立蒙板即可实现擦掉东西。

虽然谷歌早在2020年,就在自家的数据中心上部署了当时最强的AI芯片——TPU v4。但直到今年的4月4日,谷歌才首次公布了这台AI超算的技术细节。论文地址:https://arxiv.org/abs/2304.01433相比于TPU v3,TPU v4的性能要高出2.1倍,而在整合4096个芯片之后,超算的性能更是提升了10倍。另外,谷歌还声称,自家芯片要比英伟达A100更快、更节能。与A100对打,速度快1.7倍论文中,谷歌表示,对于规模相当的系统,TPU v4可以提供比英伟达A100强1.

ai可以转成psd格式。转换方法:1、打开Adobe Illustrator软件,依次点击顶部菜单栏的“文件”-“打开”,选择所需的ai文件;2、点击右侧功能面板中的“图层”,点击三杠图标,在弹出的选项中选择“释放到图层(顺序)”;3、依次点击顶部菜单栏的“文件”-“导出”-“导出为”;4、在弹出的“导出”对话框中,将“保存类型”设置为“PSD格式”,点击“导出”即可;

Yann LeCun 这个观点的确有些大胆。 「从现在起 5 年内,没有哪个头脑正常的人会使用自回归模型。」最近,图灵奖得主 Yann LeCun 给一场辩论做了个特别的开场。而他口中的自回归,正是当前爆红的 GPT 家族模型所依赖的学习范式。当然,被 Yann LeCun 指出问题的不只是自回归模型。在他看来,当前整个的机器学习领域都面临巨大挑战。这场辩论的主题为「Do large language models need sensory grounding for meaning and u

ai顶部属性栏不见了的解决办法:1、开启Ai新建画布,进入绘图页面;2、在Ai顶部菜单栏中点击“窗口”;3、在系统弹出的窗口菜单页面中点击“控制”,然后开启“控制”窗口即可显示出属性栏。

ai移动不了东西的解决办法:1、打开ai软件,打开空白文档;2、选择矩形工具,在文档中绘制矩形;3、点击选择工具,移动文档中的矩形;4、点击图层按钮,弹出图层面板对话框,解锁图层;5、点击选择工具,移动矩形即可。

引入密集强化学习,用 AI 验证 AI。 自动驾驶汽车 (AV) 技术的快速发展,使得我们正处于交通革命的风口浪尖,其规模是自一个世纪前汽车问世以来从未见过的。自动驾驶技术具有显着提高交通安全性、机动性和可持续性的潜力,因此引起了工业界、政府机构、专业组织和学术机构的共同关注。过去 20 年里,自动驾驶汽车的发展取得了长足的进步,尤其是随着深度学习的出现更是如此。到 2015 年,开始有公司宣布他们将在 2020 之前量产 AV。不过到目前为止,并且没有 level 4 级别的 AV 可以在市场


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SublimeText3 英文版
推薦:為Win版本,支援程式碼提示!

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

SublimeText3 Linux新版
SublimeText3 Linux最新版