AI丝滑换脸？解读扩散模型权重空间

文章预览

上 周“ 小事物的数学：关于顿悟和双下降现象 ”一文中提到流形假说（Manifold Hypothesis）： 高维数据位于高维空间内的低维流形上。例如，大多数逼真的图像不会随机占据整个高维空间，而是集中在特定区域（流形）上， 这些区域捕获了数据点之间的底层结构和关系，如果机器学习模型能够识别和学习这个低维流形，它就可以更有效地从数据中理解和泛化。 来自伯克利、Snap和斯坦福的学者就成功构建了这样一个低维流形 -- weights2weights”（w2w），用以虚拟形象权重的研究、解读以及泛化生成：      这是一个由6万多个定制扩散模型张成的权重空间，每个模型都是一个经过微调的基础模型，插入不同人的形象，用以表征不同的视觉个体。 通过分析这个空间，可以实现新个体采样、语义编辑（如添加胡须）和图像变换以生成真实个体，即便是来自 ………………………………