Stable Diffusion

概述

Stable Diffusion是一种基于潜在空间的扩散模型，用于高质量文本到图像生成，具有高效性和可控性。

关键内容

1. 潜在扩散模型：在预训练的自动编码器的潜在空间中执行扩散过程，大幅降低了计算复杂度，使得高分辨率图像生成变得可行。

2. 交叉注意力机制：通过交叉注意力机制将文本条件信息注入扩散过程，实现精确的文本到图像生成控制。

3. 开源生态：作为开源模型，Stable Diffusion激发了大量的社区开发和创新应用，推动了文本到图像生成领域的快速发展。

4. 潜在空间扩散：使用预训练 VAE 将图像压缩到潜在空间，在该空间进行扩散过程，大幅降低计算成本。

5. 条件生成：通过交叉注意力机制将文本条件注入扩散过程，实现文本到图像的生成。

6. 开源影响：Stable Diffusion 的开源发布推动了 AI 生成图像的民主化，催生了庞大的社区生态。

来源

• ai_papers_timeline.md — 2022年Stable Diffusion提出
• High-Resolution Image Synthesis with Latent Diffusion Models (2022 论文) — Robin Rombach等人在Stability AI的研究

相关

• High-Resolution Image Synthesis with Latent Diffusion Models (2022 论文) — described_in
• Robin Rombach — created_by
• Stability AI — developed_at
• Latent Diffusion Models — instance_of
• DALL-E — compares_to
• DDPM — improves_upon
• Text-to-Image Synthesis — exemplifies
• 扩散模型 — part_of