AIGC動態(tài)歡迎閱讀

原標題：可控圖像生成最新綜述！北郵開源20頁249篇文獻，包攬Text-to-Image Diffusion領(lǐng)域各種「條件」
關(guān)鍵字：條件,模型,圖像,文本,方法
文章來源：新智元
內(nèi)容字數(shù)：11580字

內(nèi)容摘要：

新智元報道編輯：LRS
【新智元導讀】利用文本生成圖片（Text-to-Image, T2I）已經(jīng)滿足不了人們的需要了，近期研究在T2I模型的基礎(chǔ)上引入了更多類型的條件來生成圖像，本文對這些方法進行了總結(jié)綜述。在視覺生成領(lǐng)域迅速發(fā)展的過程中，擴散模型已經(jīng)徹底改變了這一領(lǐng)域的格局，通過其令人印象深刻的文本引導生成功能標志著能力方面的重大轉(zhuǎn)變。
然而，僅依賴文本來調(diào)節(jié)這些模型并不能完全滿足不同應(yīng)用和場景的多樣化和復雜需求。
鑒于這種不足，許多研究旨在控制預訓練文本到圖像（T2I）模型以支持新條件。
在此綜述中，來自北京郵電大學的研究人員對關(guān)于具有 T2I 擴散模型可控性生成的文獻進行了徹底審查，涵蓋了該領(lǐng)域內(nèi)理論基礎(chǔ)和實際進展。論文：https://arxiv.org/abs/2403.04279代碼：https://github.com/PRIV-Creation/Awesome-Controllable-T2I-Diffusion-Models
我們的審查從簡要介紹去噪擴散概率模型（DDPMs）和廣泛使用的 T2I 擴散模型基礎(chǔ)開始。
然后我們揭示了擴散模型的控制機制，并從理論上分析

原文鏈接：可控圖像生成最新綜述！北郵開源20頁249篇文獻，包攬Text-to-Image Diffusion領(lǐng)域各種「條件」

聯(lián)系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀元。重點關(guān)注人工智能、機器人等前沿領(lǐng)域發(fā)展，關(guān)注人機融合、人工智能和機器人對人類社會與文明進化的影響，領(lǐng)航中國新智能時代。