扩散模型超越生成对抗网络

导读

这项工作通过改进架构与 classifier guidance 让 diffusion 在 ImageNet 合成上超过当时主流 GAN。它标志 GAN 时代向 diffusion 时代的技术转折。

档案研究说明

ANTI-AI ARCHIVE · 修订 2026-10-02

这篇论文改进扩散模型结构，并利用分类器梯度引导条件生成。作者报告在特定ImageNet评估中优于所比较GAN的结果，同时说明引导可在多样性与保真度之间作取舍。标题中的“超过”对应这些实验条件，不是对全部图像实践的结论。

生成结果并非只有一个自然的最佳状态：引导强度参与决定哪些变化被保留、哪些被压低。这为分析后来提示与采样参数提供背景，也提醒研究者将实验指标与观看经验分开。

核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。

原题与来源语言

Diffusion Models Beat GANs

und

本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。

比较本条与去噪扩散概率模型之间的制作方法、控制方式或展示语境。

比较本条与GLIDE：文本引导的图像生成与编辑之间的制作方法、控制方式或展示语境。

节点标注日期：2021-05 · 来源记录的历史日期：2021-05

以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。

以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。

Diffusion Models Beat GANs

https://proceedings.neurips.cc/paper/2021/hash/49ad23d1ec9fa4bd8d77d02681df5cfa-Abstract.html

当前引用地址

Diffusion Models Beat GANs

https://arxiv.org/abs/2105.05233

母版或补充资料所引地址，可能已迁移或失效

主线节点 #125 · 历史节点

研究资料与补充出处 · 3

AI 艺术谱系研究母版 · p. 23 · 077
原记日期: 2021-05
扩散模型超越生成对抗网络 ↗
Diffusion Models Beat GANs

生成式视觉发布编年研究母版 · p. 2 · R005
原记日期: 2021-05
扩散模型超越生成对抗网络 ↗
Dhariwal & Nichol — Diffusion Models Beat GANs

生成式视觉发布编年研究母版 · p. 2 · R006
原记日期: 2021-05
扩散模型超越生成对抗网络 ↗
Diffusion Models Beat GANs

站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。

母版研究论述与日期尚待独立核验。

ANTI-AI ARCHIVE. 扩散模型超越生成对抗网络. 艺术史节点 #125. https://salondesrefuses.cn/zh/art-history/077

引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。

相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。