域名备案需要有网站吗,做网站用别人的源码可以吗,wordpress文章自动更新方法,南京做网站优化公司1 Diffusion Model的运作过程
输入一张和我们所需结果图尺寸一致的噪声图像#xff0c;通过Denoise模块逐步减少noise#xff0c;最终生成我们需要的效果图。 图中Denoise模块虽然是同一个#xff0c;但是它会根据不同step的输入图像和代表noise严重程度的参数选择denoise的…1 Diffusion Model的运作过程
输入一张和我们所需结果图尺寸一致的噪声图像通过Denoise模块逐步减少noise最终生成我们需要的效果图。 图中Denoise模块虽然是同一个但是它会根据不同step的输入图像和代表noise严重程度的参数选择denoise的程度。
1.1 Denoise 模块的内部过程
根据我们输入带噪声的图像和去噪程度的参数Denoise模块中的Noise pred模块会预测出图中的noise部分此时输入图像和预测噪声的差即为该step的输出结果。
问为何选择预测噪声做差而不是直接预测消除部分噪声后的图像 由于预测噪声的难度更低如果直接预测带噪声后的图像其实就已经相当于可以实现图像的生成了。
1.2 如何训练Noise_predictor
想要训练Noise_predictor预测出来噪声我们需要提供噪声的Ground truth这个如何获得 我们从训练数据集中随机抽取一张图像然后人为给其加噪声我们人为添加的噪声即是Noise_predictor中的groundTruth该添加噪声的过程也被称为foward process。
2 Stable Diffusion
stable diffusion包括三大模块TextEncoder、Generation Model、Decoder三个模块独立训练最终组合。
2.1 TextEncoder
TextEncoder对结果的影响很大远大于diffusion model增大TextEncoder模型效果明显而增大diffusion model模型效果则没那么显著。
2.1.1 FID的理解
将真实图片和生成图片分别输入到一个CNN分类器假设他们都满足高斯分布计算他们的距离距离越小说明生成的图片效果越好距离越大说明生成的图片效果越差。注意FID的计算需要充足数量的样本。
2.1.2 CLIP score的理解
clip分为TextEncoder和imageEncoder两个模块将text输入到TextEncoder中获得的向量与将image送入到imageEncoder中获得的向量进行比较如果输入的text和image是成对的则结果向量越近越好反之越远越好。
