历史背景与研究说明
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。
日期与版本记录
节点标注日期:2021-05 · 研究母版原记日期: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。
原始资料与进一步阅读
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
出处、翻译与核验状态
档案节点 #077 · 历史节点
研究母版与补充出处 · 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
站内说明据母版译编,非外链全文译本;AI 辅助翻译,待人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 扩散模型超越生成对抗网络. 艺术史节点 #077. 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。
