当前位置: 代码网 > 手机>品牌>华为 > Text-to-Image with Diffusion models的巅峰之作:深入解读​ DALL·E 2​

Text-to-Image with Diffusion models的巅峰之作:深入解读​ DALL·E 2​

2024年07月28日 华为 我要评论
DALL·E 2、imagen、GLIDE是最著名的三个text-to-image的扩散模型,是diffusion models第一个火出圈的任务。这篇博客将会详细解读DALL·E 2《Hierarchical Text-Conditional Image Generation with CLIP Latents》的原理。

目录

背景知识:clip简介

方法概述

方法详解

解码器

先验

图像操作

论文和代码地址

个人感悟


背景知识:clip简介

如下图所示,clip包括两个模型:text encoderimage encoder,其中text encoder用来提取文本的特征,可以采用nlp中常用的text transformer模型;而image encoder用来提取图像的特征,可以采用常用cnn模型或者vision transfo

(0)

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

验证码:
Copyright © 2017-2025  代码网 保留所有权利. 粤ICP备2024248653号
站长QQ:2386932994 | 联系邮箱:2386932994@qq.com