【源头活水】在图像生成领域，自回归可以打败扩散模型吗？

文章预览

“ 他 山 之 石 ， 可 以 攻 玉 ” ， 站 在 巨 人 的 肩 膀 才 能 看 得 更 高 ， 走 得 更 远 。 在 科 研 的 道 路 上 ， 更 需 借 助 东 风 才 能 更 快 前 行 。 为 此 ， 我 们 特 别 搜 集 整 理 了 一 些 实 用 的 代 码 链 接 ， 数 据 集 ， 软 件 ， 编 程 技 巧 等 ， 开 辟 “ 他 山 之 石 ” 专 栏 ， 助 你 乘 风 破 浪 ， 一 路 奋 勇 向 前 ， 敬 请 关 注 ！ 图像生成领域，有这么几种方法，Flow-Based、GAN-Based、VAE+Pixel-CNN系列、扩散模型自回归。更早期的是基于自编码器的图像生成，各种Auto-Encoder模型，以及影响很大的变分自编码器d-VAE。后面又有Flow-Based，不过似乎Flow-Based引起的注意不是那么大。然后是名噪一时的GAN。2020年之后，扩散模型逐渐火热，一直到现在慢慢扩展到视频生成、3D生成、目标检测和语义分割等领域。 与此同时，自回归模型作为语言 ………………………………