AI 作画《NBA球星动漫头像》| 用stable diffusion生成
擴散模型原理
擴散模型是一種概率模型，通過逐步去噪一個正態(tài)分布變量來學習數據分布p(x)，對應于學習長度為t的固定馬爾可夫鏈的反向過程。模型可以通過訓練去噪自編碼器來實現（T = 1…T），它們被訓練來預測其輸入的去噪變體，而是輸入的噪聲版本，其訓練函數：
擴散模型原理方面，包括：前向的加噪和逆向的去噪；
前向的加噪：給定初始數據（比如圖像），一步一步加噪得到、、···、、、···、，最后的完全是一個正太分布噪音數據。其中，每一步的加噪，不妨記為 分布表示；對應地，實際的去噪分布記為 ；
逆向的去噪（生成）：一步一步去噪，得到、···、、、···、、，不妨記為 分布表示；
事實上，擴散模型的訓練就是用網絡(待學習參數為)預測所加的噪音變量分布。用KL散度衡量實際的去噪分布 和由網絡學習的去噪分布：即。經一系列推導化簡、等價為 。這里的是高斯噪聲，預測網絡以含噪圖片作為輸入，預測所添加的噪聲。
即可以理解為，擴散模型的訓練目標是，希望預測的噪聲和真實噪聲一致。
NBA球星動漫頭像生成
我們來測試一下當前diffusion里最著名的?stable diffusion，它的文本生成圖像能力。
并且輸入的文本不包含任何限制或修飾，完全把想象空間交給模型！
注意，加入更多的修飾詞，應該效果會好些。
姚明
庫里
詹姆斯
奧尼爾
喬丹
杜蘭特
科比
猜您喜歡：
?戳我，查看GAN的系列專輯~！
一頓午飯外賣，成為CV視覺的前沿弄潮兒！
最新最全100篇匯總！生成擴散模型Diffusion Models
ECCV2022 | 生成對抗網絡GAN部分論文匯總
CVPR 2022 | 25+方向、最新50篇GAN論文
?ICCV 2021 | 35個主題GAN論文匯總
超110篇！CVPR 2021最全GAN論文梳理
超100篇！CVPR 2020最全GAN論文梳理
拆解組新的GAN：解耦表征MixNMatch
StarGAN第2版：多域多樣性圖像生成
附下載 |?《可解釋的機器學習》中文版
附下載 |《TensorFlow 2.0 深度學習算法實戰(zhàn)》
附下載 |《計算機視覺中的數學方法》分享
《基于深度學習的表面缺陷檢測方法綜述》
《零樣本圖像分類綜述: 十年進展》
《基于深度神經網絡的少樣本學習綜述》
? ?
總結
以上是生活随笔為你收集整理的AI 作画《NBA球星动漫头像》| 用stable diffusion生成的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机学院主管学生日常工作的是,学生会的
- 下一篇： 最流行的统计假设检验速查表