MaskDiT：用于图像生成的低学习成本扩散模型
MaskDiT：用于图像生成的低学习成本扩散模型
生成图像
扩散模型
根据产品类别和品牌风格生成电子商务背景图片
根据产品类别和品牌风格生成电子商务背景图片
生成图像
文本-2-图像 利用扩散模型生成物体背景
文本-2-图像 利用扩散模型生成物体背景
生成图像
MicroDiffusion：千元生成图像质量模型，胜过数万美元的模型
MicroDiffusion：千元生成图像质量模型，胜过数万美元的模型
生成图像
![[PIDM] 物理正则化扩散模型](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/September2024/pidm-520x300.png)
[PIDM] 物理正则化扩散模型
[PIDM] 物理正则化扩散模型
扩散模型
V3D：从单一图像生成 3D 物体
V3D：从单一图像生成 3D 物体
3D
GMS：利用 ChatGPT 和扩散模型进行制造业革命
GMS：利用 ChatGPT 和扩散模型进行制造业革命
制造业
使用频率掩码的新一代深度防伪检测技术
使用频率掩码的新一代深度防伪检测技术
假货检测
潜在扩散模型不一定会 "扩大规模"
潜在扩散模型不一定会 "扩大规模"
扩散模型
![[Mustango] 使用音乐领域知识的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/June2024/mustango-520x300.png)
[Mustango] 使用音乐领域知识的音乐生成模型
[Mustango] 使用音乐领域知识的音乐生成模型
音频和语音处理
U-ViT：用于扩散建模的 ViT 主干网
U-ViT：用于扩散建模的 ViT 主干网
生成图像
ADD：具有对抗学习和知识提炼功能的扩散模型
ADD：具有对抗学习和知识提炼功能的扩散模型
生成图像
ADD：具有对抗学习和知识提炼功能的扩散模型
ADD：具有对抗学习和知识提炼功能的扩散模型
生成图像
![[MusicLDM] 低剽窃风险的文本到](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/musicldm-520x300.png)
[MusicLDM] 低剽窃风险的文本到音乐模型
[MusicLDM] 低剽窃风险的文本到音乐模型
扩散模型
![AudioLDM]使用潜在扩散的文本到音](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/January2024/audioldm-520x300.png)
AudioLDM]使用潜在扩散的文本到音频生成模型
AudioLDM]使用潜在扩散的文本到音频生成模型
扩散模型
![[CoDi]可处理几乎所有模式的任意扩散](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/composable_diffusion-520x300.png)
[CoDi]可处理几乎所有模式的任意扩散模型
[CoDi]可处理几乎所有模式的任意扩散模型
扩散模型
![Versatile Diffusion]](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/versatile_diffusion-520x300.png)
Versatile Diffusion] 融合文本和图像的扩散模型
Versatile Diffusion] 融合文本和图像的扩散模型
扩散模型
![[UniD3] 用于综合处理图像和文本的](https://aisholar.s3.ap-northeast-1.amazonaws.com/media/December2023/unified_discrete_diffusion-520x300.png)
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
[UniD3] 用于综合处理图像和文本的多模式离散扩散模型
扩散模型