258篇文献！浙大、UB联合发布最新综述：基于扩散模型的条件图像生成

文章预览

©PaperWeekly 原创 · 作者 |  詹哲远 单位   |  浙江大学博士生 研究方向 | 生成模型、扩散模型 基于用户给定的控制信息进行条件图像生成（Conditional Image Synthesis）在创建复杂视觉内容中起着关键作用。近年来，扩散模型（Diffusion Models）已经成为图像生成的高效方法，这使得 基于扩散的条件图像生成（Diffusion-based Conditional Image Synthesis, DCIS） 工作迅速增长。 然而，扩散模型的复杂性、图像生成任务的多样性，以及条件嵌入方法的多元化，给该方向的研究人员深入理解和分析该领域的核心工作带来挑战。 在我们看来，这些工作的核心在于如何将用户给定的条件嵌入扩散模型。因此在本综述中，我们根据条件是如何嵌入扩散建模的两个基本组成部分（即 去噪网络（Denoising Network） 和 采样过程（Sampling process） 对现有工作进行了分类，并进一步总结了 ………………………………