小白也能读懂的AIGC扩散（Diffusion）模型系列讲解

置顶 已于 2024-11-27 16:26:57 修改
阅读量965 收藏 18
点赞数 11
CC 4.0 BY-SA版权
分类专栏： 人工智能 # AIGC # SD 文章标签： 人工智能 深度学习 机器学习
于 2024-11-16 00:59:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42410605/article/details/142036450

Diffusion知识概要参考

专业分析（非常推荐阅读，十分硬核）

https://www.zhihu.com/people/bei-jing-de-wen-zhou-ren/posts

https://www.zhihu.com/question/555400845/answer/3598224769

官方出版

https://huggingface.co/docs/diffusers

扩散模型系列文章正在持续的更新，更新节奏如下，先更新SD模型讲解，再更新相关的微调方法文章，敬请期待！！！

文章大多由本人解读其他博主的优质文章（已标明引用来源）和GPT生成，如有错误或侵权，可联系删除，欢迎各位指正。

SD模型原理

  1. Stable Diffusion概要讲解
  2. Stable diffusion详细讲解
  3. Stable Diffusion的加噪和去噪详解
  4. Diffusion Model
  5. Stable Diffusion核心网络结构——VAE
  6. Stable Diffusion核心网络结构——CLIP Text Encoder
  7. Stable Diffusion核心网络结构——U-Net
  8. Stable Diffusion中U-Net的前世今生与核心知识
  9. SD模型性能测评
  10. Stable Diffusion经典应用场景
  11. SDXL的优化工作
  12. DiT（Diffusion Transformer）详解
  13. Stable Diffusion 3详解
  14. FLUX.1概要——原SD核心团队推出的最强文生图
  15. SD3的采样上篇——Flow Matching
  16. SD3的采样下篇——Rectified Flow

微调方法原理

  1. DreamBooth
  2. LoRA
  3. LORA及其变种介绍
  4. ControlNet
  5. ControlNet文章解读
  6. Textual Inversion 和 Embedding fine-tuning

2024.11.20前第一版已发布

2024.11.24新增DiT、SD 3、FLUX.1草稿

2024.11.25正式发布DiT、SD 3、FLUX.1

2024.11.27发布SD3和FLUX.1的采样方法Rectified Flow和Flow Matching

Diffusion Models专栏文章汇总：入门与实战
沉迷单车的追风少年
02-21 4万+
《DiffusionModels与深度学习》专栏文章导航
AIGC实战——扩散模型(Diffusion Model)
热门推荐
盼小辉丶的博客
02-26 1万+
本节介绍了最近最先进的生成模型之一，扩散模型。介绍了去噪扩散概率模型 (Denoising Diffusion Probabilistic Model, DDPM)，并利用去噪扩散隐式模型 (Denoising Diffusion Implicit Model, DDIM) 的思想，使生成过程具备完全的确定性。扩散模型由前向扩散过程和逆扩散过程组成，前向扩散过程通过一系列小步骤向训练数据添加噪声，而逆扩散过程中模型的目标是预测添加的噪声。
零基础读懂Stable Diffusion！
z19981的博客
10-18 1091
至此，我们已经了解了Stable Diffusion是什么，以及其中的种种模块是什么，甚至还简单的窥视了一下它的工作过程。至于为什么Diffusion如何训练、如何控制，鉴于篇幅原因，就容我放到后文中再去细讲了。这里最后再简单做一下总结：第一部分介绍了一些Stable Diffusion中的主要模块——包括一个处理语义信息，一个生成图片的隐变量，一个利用隐变量生成真正的图片。其次还介绍了一下Diffusion生成图片的流程——包括向量形状在系统中经历的一系列变化，以及各个阶段图片隐变量解码后的可视化。
【stable diffusion教程】零基础读懂Stable Diffusion
z19981的博客
11-29 1186
至此，我们已经了解了Stable Diffusion是什么，以及其中的种种模块是什么，甚至还简单的窥视了一下它的工作过程。至于为什么Diffusion如何训练、如何控制，鉴于篇幅原因，就容我放到后文中再去细讲了。这里最后再简单做一下总结：第一部分介绍了一些Stable Diffusion中的主要模块——包括一个处理语义信息，一个生成图片的隐变量，一个利用隐变量生成真正的图片。其次还介绍了一下Diffusion生成图片的流程——包括向量形状在系统中经历的一系列变化，以及各个阶段图片隐变量解码后的可视化。
DiT（Diffusion Transformer）详解——AIGC时代的新宠儿
haopinglianlian的博客
12-10 3925
本文详细介绍AIGC时代的新宠儿DiT，Transformer和Diffusion结合起来的，图像和视频生成的领域的必备结构。
【stable diffusion原理】一文读懂Stable Diffusion论文原理+代码超详细解读
2401_84760322的博客
01-13 1627
Stable Diffusion是一个基于Latent Diffusion Models（LDMs）实现的以文生图（text-to-image generation）模型，能够生成高分辨率图像。它的原理涉及Diffusion Model（DDPM）、Attention机制和Autoencoder技术。Stable Diffusion的原理在于在潜在空间进行扩散过程，而非直接在数据空间。本文提供了对Stable Diffusion模型原理和代码实现的详细解读。
告别翻车！一文读懂 Stable Diffusion 负面提示词的原理与实用技巧
2401_84760527的博客
05-05 1022
你需要有使用负面提示词这个想法，因为它同样也可以产生巨大的影响！请别忘记在恰当的时候积极使用它！关于AI绘画技术储备学好 AI绘画 不论是就业还是做副业赚钱都不错，但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小伙伴们一点帮助！对于0基础小白入门：如果你是零基础小白，想快速入门AI绘画是可以考虑的。一方面是学习时间相对较短，学习内容更全面更集中。二方面是可以找到适合自己的学习方案。
Stable diffusion小白入门：文生图精讲，一文读懂AI绘画的精髓
2401_85725028的博客
08-07 1081
大家好我是安琪！！！今天，我们将深入了解Stable diffusion的文生图功能，让你也能生成满意的图片！Stable Diffusion是一款强大的AI绘画工具，即使对AI艺术创作一无所知的小白也能轻松上手。本文将为您详细讲解Stable Diffusion的基础知识，帮助您快速掌握AI绘画的精髓，开启艺术创作的新篇章。如上图，这是Stable diffusion的文生图界面，这个界面总体可以分为五个区域：模型区：调整/更换模型的地方提示词区：撰写提示词的地方。
【stable diffusion教程】深入浅出摸透AIGC文生图产品SD（Stable Diffusion）
2401_84760719的博客
03-29 835
hihi，朋友们，时隔半年（24年11月），终于能腾出时间唠一唠SD了🤣，真怕再不唠一唠，就轮不到SD了，技术更新换实是在是太快！~朋友们，最近（24年2月）是真的没时间整理笔记，每天都在疯狂的学习Stable Diffusion和WebUI & ComfyUI，工作实在有点忙，实践期间在飞书上记了一些学习笔记，后面看有时间我再回来补齐吧！Stable Diffusion是一种基于深度学习的图像扩散生成模型，利用文本描述生成图像。
SD模型微调之LoRA
haopinglianlian的博客
12-16 2201
SD模型微调方法LoRA详细介绍，包括数据集准备，模型微调过程，推理过程，优缺点等。
深度学习 lora训练 AIGC Stable Diffusion Lora模型
02-05
在本话题中，我们聚焦于Lora（Long Range）技术与深度学习的结合，特别是在AIGC（Artificial Intelligence Gateway Controller）稳定扩散模型中的应用。Lora是一种低功耗广域网络（LPWAN）通信技术，常用于物联网...
AIGC与扩散模型（Denoising Diffusion Probabiblistic Model）
03-07
未来的研究可能会进一步改进扩散模型的效率、生成质量和泛化能力。 总之，Denoising Diffusion Probabilistic Models是AI生成模型领域的一种创新方法，通过模拟扩散和逆扩散过程，能够在噪声中恢复和生成高质数据。...
深度学习 lora训练 AIGC Stable Diffusion Lora模型.zip
08-29
在本话题中，我们关注的是Lora（Long Range）技术与深度学习的结合，特别是在AIGC（Artificial Intelligence Generating Content）稳定扩散模型中的应用。Lora技术主要应用于低功耗广域网络（LPWAN），在物联网（IoT...
一文读懂AIGC文生图系列原理及发展近况！
女王の专属领地
11-25 2617
2021年10月，谷歌发布的 Disco Diffusion 模型以其惊人的图像生成效果拉开了属于扩散模型的 AIGC 时代序幕。图像精美但细节不够深人；生成耗时过长（也是一直以来的痛点）。但其图像质量碾压以往众多绘画模型，达到普通人无法企及高度，这才让 AI绘画真正迈入生产工具行列。AIGC作为一种新兴的技术，正在快速改变内容生产和创作的格局。经过多年的发展，AIGC已经在文本、图像、音频和视频等多个领域取得了显著的成就。
【AI论文】高效智能体：在降低成本的同时构建高效能智能体
m0_66899341的博客
08-08 787
本研究系统探究了大型语言模型(LLM)智能体的效率与效能平衡问题，针对当前智能体系统运营成本高昂的痛点，通过GAIA基准测试集实证分析了LLM主干模型选择、框架设计和扩展策略的影响。研究发现：1)任务复杂度存在最优阈值；2)额外模块的边际效益递减；3)框架优化可显著提升效率。基于此开发的EfficientAgents框架，在保持96.7%性能的同时降低28.4%成本，实现"通过成本"指标优化。研究为构建经济高效的智能体系统提供了实证依据和方法指导，推动AI解决方案的可持续发展。
强化学习-MATLAB
weixin_45302337的博客
08-09 491
black box -> machine learning不需要标签，根据内在特征进行聚类等相似操作；这就是ML所擅长的，从数据中找出特征进而得到label；序列行为实现最优的回报；可以将policy使用深度神经网络这也是DRL的由来；RL算法的作用就是基于观测，奖励等去优化策略，以采取最优动作进而获得最大回报；所以，RL就是一个优化问题：与其他优化问题区分开来：关键点：评估状态价值，将能够使得智能体获得更高回报，而不是只是关注即时奖励；如果不能够评估状态价值，很有可能导致Agent陷入利用（贪婪）的状态，
快速了解svm算法
wzdzgdf的博客
08-08 1735
如果你刚接触机器学习，一定听过各种算法的名字：决策树、神经网络、SVM… 其中 SVM（支持向量机，Support Vector Machine）作为经典的监督学习算法，在分类任务中曾长期占据 “顶流” 地位，至今仍在很多场景中发挥重要作用。今天这篇文章，带你快速搞懂 SVM 的核心逻辑、关键概念和实际价值。
CVPR 2025 | 即插即用，极简数据蒸馏，速度up20倍，GPU占用仅2G
AImokuai的博客
08-11 932
本文提出了一种创新的神经特征函数匹配（NCFM）方法用于高效数据集蒸馏。该方法通过构建minmax对抗优化框架，引入神经特征函数差异（NCFD）作为新的分布度量指标，在复数空间实现数据特征的对齐。NCFM具有三大创新点：1）基于复数相位和振幅解耦的神经特征函数度量；2）动态采样网络实现高效计算；3）层级式特征对齐机制。实验表明，在CIFAR-100等数据集上，NCFM相比现有方法内存消耗降低300倍，处理速度提升20倍，同时保持无损压缩效果，为低资源环境下的模型训练提供了新范式。该方法在边缘计算、隐私保护数
【Python】文本相似度计算方法全解析：从理论到实践
最新发布
采菊东篱下，Python满乾坤！
08-12 386
在自然语言处理、信息检索和数据清洗等领域，计算文本相似度是一个基础而重要的任务。无论是检测重复文档、拼写纠错，还是推荐系统，都需要准确地衡量两个文本之间的相似程度。本文将深入解析多种文本相似度计算方法，帮助您选择最适合的算法。文本相似度是指两个文本在内容、结构或语义上的相近程度。通常用0到1之间的数值表示，0表示完全不同，1表示完全相同。文本长度: 短文本适合 Dice 系数，长文本适合余弦相似度计算性能: 汉明距离最快，Levenshtein 较慢但精确应用场景。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值