現在，已是2022年底。
深度學習模型在生成影像上的表現，已經如此出色。很顯然，它在未來會給我們更多的驚喜。
十年來，我們是如何走到今天這一步的？
在下面的時間軸裡，我們會追溯一些里程碑式的時刻，也就是那些影響了AI圖像合成的論文、架構、模型、資料集、實驗登場的時候。
一切，都要從十年前的夏天說起。
開端（2012-2015）
深度神經網路問世之後，人們意識到：它將徹底改變影像分類。
同時，研究人員開始探索相反的方向，如果使用一些對分類非常有效的技術（例如卷積層）來製作圖像，會發生什麼？
這就是「人工智慧之夏」誕生的伊始。
2012 年 12 月
一切發端於此。
這一年，論文《深度卷積神經網路的ImageNet分類》橫空出世。
論文作者之一，就是「AI三巨頭」之一的Hinton。
它首次將深度卷積神經網路 (CNN)、GPU和龐大的網路來源資料集（ImageNet）結合在一起。
2014 年12 月
Ian Goodfellow等AI巨佬發表了史詩性論文鉅作《生成式對抗網絡》。
GAN是第一個致力於影像合成而非分析的現代神經網路架構（「現代」的定義即2012年後）。
它引入了一種基於賽局理論的獨特學習方法，由兩個子網路「生成器」和「鑑別器」進行競爭。
最終，只有「生成器」被保留在系統之外，並用於影像合成。
Hello World！來自Goodfellow等人2014年論文的GAN生成人臉樣本。該模型是在Toronto Faces資料集上訓練的，該資料集已從網路上刪除
#2015 年11 月
#具有重大意義的論文《使用深度卷積生成對抗網路進行無監督代表學習》發表。
在這篇論文中，作者描述了第一個實際可用的GAN 架構 (DCGAN)。
這篇論文也首次提出了潛在空間操弄的問題──概念是否映射到潛在空間方向？
GAN的五年（2015-2020）
#這五年間，GAN被應用於各種影像處理任務，例如風格轉換、修復、去噪和超解析度。
期間，GAN架構的論文開始爆炸式井噴。
#專案網址：https://github.com/nightrome/really-awesome-gan
同時，GAN的藝術實驗開始興起，Mike Tyka、Mario Klingenmann、Anna Ridler、Helena Sarin 等人的第一批作品出現。
第一個「AI 藝術」醜聞發生在2018年。三位法國學生使用「借來」的程式碼產生一副AI肖像，這副肖像成為第一幅在佳士得被拍賣的AI畫像。
同時，transformer架構徹底改變了NLP。
在不久的將來，這件事會對影像合成產生重大影響。
2017 年 6 月
《Attention Is All You Need》論文發布。
在《Transformers, Explained: Understand the Model Behind GPT-3, BERT, and T5》裡，也有詳實的解釋。
自此，Transformer架構（以BERT等預訓練模型的形式）徹底改變了自然語言處理 (NLP) 領域。
2018 年7 月
《概念性標註：用於自動圖像字幕的清理、上位化、圖像替代文字資料集》論文發表。
這個和其他多模態資料集對於 CLIP 和 DALL-E 等模型將變得極為重要。
2018-20年
#NVIDIA的研究人員對GAN 架構進行了一系列徹底改進。
在《使用有限資料訓練生成對抗網路》這篇論文中，介紹了最新的StyleGAN2-ada。
GAN 產生的影像第一次變得與自然影像無法區分，至少對於像Flickr-Faces-HQ (FFHQ)這樣高度最佳化的資料集來說是這樣。
Mario Klingenmann, Memories of Passerby I, 2018. The baconesque faces是該地區AI藝術的典型代表，其中生成模型的非寫實性是藝術探索的重點
2020 年5 月
##論文《語言模型是小樣本學習者》發表。
OpenAI的LLM Generative Pre-trained Transformer 3（GPT-3）展示了變壓器架構的強大功能。
2020 年12 月
論文《用於高解析度影像合成的Taming transformers》發表。
ViT表明，Transformer架構可用於映像。
本文介紹的方法VQGAN在基準測試中產生了SOTA結果。
2010年代後期的GAN架構的品質主要根據對齊的臉部影像進行評估，對於更多異質資料集的效果很有限。
因此，在學術/工業和藝術實驗中，人臉仍然是一個重要的參考點。
Transformer的時代（2020-2022）#Transformer架構的出現，徹底改寫了影像合成的歷史。
從此，影像合成領域開始拋下GAN。
「多模態」深度學習整合了NLP和電腦視覺的技術，「即時工程」取代了模型訓練和調整，成為影像合成的藝術方法。
《從自然語言監督中學習可遷移視覺模型》這篇論文中，提出了CLIP 架構。
可以說，目前的影像合成熱潮，是由CLIP首次引入的多模態功能所推動的。
論文中的CLIP架構
論文《零樣本文字到圖像生成》發表（另請參閱OpenAI 的部落格文章），其中介紹了即將轟動全世界的DALL-E的第一個版本。
這個版本透過將文字和圖像（由VAE壓縮為「TOKEN」）組合在單一資料流中來運作。
該模型只是「continues」the“sentence”。
資料（250M 圖片）包括來自維基百科的文字圖像對、概念說明和YFCM100M的篩選子集。
CLIP為影像合成的「多模態」方法奠定了基礎。
2021 年1 月
論文《從自然語言監督學習可遷移視覺模型》發表。
論文中介紹了CLIP，結合了ViT和普通Transformer的多模態模型。
CLIP會學習圖像和標題的「共享潛在空間」，因此可以標記圖像。
模型在論文附錄A.1中列出的大量資料集上進行訓練。
2021 年6 月
#論文《擴散模型的發佈在影像合成方面擊敗了GAN》發表。
擴散模型引入了一種不同於GAN方法的影像合成方法。
研究者透過從人工添加的雜訊重建影像來學習。
它們與變分自動編碼器 (VAE) 相關。
2021 年 7 月
DALL-E mini發布。
它是DALL-E的複製品（體積更小，對架構和資料的調整很少）。
資料包括Conceptual 12M、Conceptual Captions以及 OpenAI 用於原始 DALL-E 模型的YFCM100M相同過濾子集。
因為沒有任何內容過濾器或API 限制，DALL-E mini為創意探索提供了巨大的潛力，並導致推特上「怪異的DALL-E」圖像爆炸式增長。
2021-2022
Katherine Crowson發布了一系列CoLab筆記，探索製作CLIP 引導生成模型的方法。
例如512x512CLIP-guided diffusion和VQGAN-CLIP（Open domain image generation and editing with natural language guidance，僅在2022年作為預印本發布但VQGAN一發布就出現了公共實驗）。
就像在早期的GAN時代一樣，藝術家和開發者以非常有限的手段對現有架構進行重大改進，然後由公司簡化，最後由wombo.ai等「新創公司」商業化。
2022 年4 月
#論文《具有CLIP 潛能的分層文字條件圖像生成》發表。
該論文介紹了DALL-E 2。
#它建立在僅幾週前發布的GLIDE論文（《 GLIDE ：使用文字引導擴散模型實現逼真圖像生成和編輯》的基礎上。
同時，由於DALL-E 2 的訪問受限和有意限制，人們對DALL-E mini重新產生了興趣。
根據模型卡，數據包括“公開可用資源和我們許可的資源的組合”，以及根據論文的完整CLIP和DALL-E資料集。
#「金髮女郎的人像照片，用數位單眼相機拍攝，中性背景，高解析度」，使用DALL-E 2 生成。基於Transformer 的生成模型與後來的GAN 架構（如StyleGAN 2）的真實感相匹配，但允許創建廣泛的各種主題和圖案
2022 年5-6 月
#5月，論文《具有深度語言理解的真實感文本到圖像擴散模型”發表。
#6月，論文《用於內容豐富的文本到圖像生成的縮放自回歸模型》發表。
這兩篇論文中，介紹了Imagegen和Parti。
以及Google對DALL-E 2的回答。
# #「你知道我今天為什麼阻止你嗎？」由DALL-E 2生成，「prompt engineering」從此成為藝術圖像合成的主要方法
AI Photoshop（2022年至今）雖然DALL-E 2為圖像模型設定了新標準，但它迅速商業化，也意味著在使用上從一開始就受到限制。
#用戶仍繼續嘗試DALL-E mini等較小的模型。
緊接著，隨著石破天驚的Stable Diffusion的發布，所有這一切都發生了變化。
可以說，Stable Diffusion標誌著影像合成「Photoshop時代」的開始。
「有四串葡萄的靜物，試圖創造出像古代畫家Zeuxis Juan El Labrador Fernandez，1636 年，馬德里普拉多的葡萄一樣栩栩如生的葡萄」，Stable Diffusion產生的六種變化
2022 年8 月
Stability.ai發表Stable Diffusion模型。
在論文《具有潛在擴散模型的高解析度影像合成》中，Stability.ai隆重推出了Stable Diffusion。
這個模型可以實現與DALL-E 2同等的照片級真實感。
除了DALL-E 2，模型幾乎立即向公眾開放，並且可以在CoLab和Huggingface平台上運行。
2022 年8 月
#Google發表論文《DreamBooth：為主題驅動生成微調文字到影像擴散模型》。 
###DreamBooth提供了對擴散模型越來越細粒度的控制。 #####################然而，即使沒有此類額外的技術幹預，使用像Photoshop 這樣的生成模型也變得可行，從草圖開始，逐層新增生成的修改。 ##################2022 年10 月###########################最大的圖庫公司之一Shutterstock宣布與OpenAI 合作提供/許可生成圖像，可以預計，圖庫市場將受到Stable Diffusion等生成模型的嚴重影響。 ######
以上是Hinton上榜！盤點AI圖像合成10年史，那些值得被記住的論文和名字的詳細內容。更多資訊請關注PHP中文網其他相關文章！
AI內部部署的隱藏危險：治理差距和災難性風險Apr 28, 2025 am 11:12 AMApollo Research的一份新報告顯示，先進的AI系統的不受檢查的內部部署構成了重大風險。 在大型人工智能公司中缺乏監督，普遍存在，允許潛在的災難性結果
構建AI測謊儀Apr 28, 2025 am 11:11 AM傳統測謊儀已經過時了。依靠腕帶連接的指針，打印出受試者生命體徵和身體反應的測謊儀，在識破謊言方面並不精確。這就是為什麼測謊結果通常不被法庭採納的原因，儘管它曾導致許多無辜者入獄。 相比之下，人工智能是一個強大的數據引擎，其工作原理是全方位觀察。這意味著科學家可以通過多種途徑將人工智能應用於尋求真相的應用中。 一種方法是像測謊儀一樣分析被審問者的生命體徵反應，但採用更詳細、更精確的比較分析。 另一種方法是利用語言標記來分析人們實際所說的話，並運用邏輯和推理。 俗話說，一個謊言會滋生另一個謊言，最終
AI是否已清除航空航天行業的起飛？Apr 28, 2025 am 11:10 AM航空航天業是創新的先驅，它利用AI應對其最複雜的挑戰。 現代航空的越來越複雜性需要AI的自動化和實時智能功能，以提高安全性，降低操作
觀看北京的春季機器人比賽Apr 28, 2025 am 11:09 AM機器人技術的飛速發展為我們帶來了一個引人入勝的案例研究。 來自Noetix的N2機器人重達40多磅，身高3英尺，據說可以後空翻。 Unitree公司推出的G1機器人重量約為N2的兩倍，身高約4英尺。比賽中還有許多體型更小的類人機器人參賽，甚至還有一款由風扇驅動前進的機器人。 數據解讀 這場半程馬拉松吸引了超過12,000名觀眾，但只有21台類人機器人參賽。儘管政府指出參賽機器人賽前進行了“強化訓練”，但並非所有機器人均完成了全程比賽。 冠軍——由北京類人機器人創新中心研發的Tiangong Ult
鏡子陷阱：人工智能倫理和人類想像力的崩潰Apr 28, 2025 am 11:08 AM人工智能以目前的形式並不是真正智能的。它擅長模仿和完善現有數據。 我們不是在創造人工智能，而是人工推斷 - 處理信息的機器，而人類則
新的Google洩漏揭示了方便的Google照片功能更新Apr 28, 2025 am 11:07 AM一份報告發現，在谷歌相冊Android版7.26版本的代碼中隱藏了一個更新的界面，每次查看照片時，都會在屏幕底部顯示一行新檢測到的面孔縮略圖。 新的面部縮略圖缺少姓名標籤，所以我懷疑您需要單獨點擊它們才能查看有關每個檢測到的人員的更多信息。就目前而言，此功能除了谷歌相冊已在您的圖像中找到這些人之外，不提供任何其他信息。 此功能尚未上線，因此我們不知道谷歌將如何準確地使用它。谷歌可以使用縮略圖來加快查找所選人員的更多照片的速度，或者可能用於其他目的，例如選擇要編輯的個人。我們拭目以待。 就目前而言
加固芬特的指南 - 分析VidhyaApr 28, 2025 am 09:30 AM增強者通過教授模型根據人類反饋進行調整來震撼AI的開發。它將監督的學習基金會與基於獎勵的更新融合在一起，使其更安全，更準確，真正地幫助
讓我們跳舞：結構化運動以微調我們的人類神經網Apr 27, 2025 am 11:09 AM科學家已經廣泛研究了人類和更簡單的神經網絡（如秀麗隱桿線蟲中的神經網絡），以了解其功能。 但是，出現了一個關鍵問題：我們如何使自己的神經網絡與新穎的AI一起有效地工作
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
Video Face Swap
使用我們完全免費的人工智慧換臉工具，輕鬆在任何影片中換臉！
熱門文章
熱工具
Dreamweaver Mac版
視覺化網頁開發工具
mPDF
mPDF是一個PHP庫，可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件，並處理不同的語言。與原始腳本如HTML2FPDF相比，它的速度較慢，並且在使用Unicode字體時產生的檔案較大，但支援CSS樣式等，並進行了大量增強。支援幾乎所有語言，包括RTL（阿拉伯語和希伯來語）和CJK（中日韓）。支援嵌套的區塊級元素（如P、DIV），
SublimeText3 Linux新版
SublimeText3 Linux最新版
Atom編輯器mac版下載
最受歡迎的的開源編輯器
PhpStorm Mac 版本
最新（2018.2.1 ）專業的PHP整合開發工具
