共计 831 个字符，预计需要花费 3 分钟才能阅读完成。
最近，OpenAI“低调公布”了图像生成畛域的一项工作 —— Consistency Model。 作者包含 AI 届当红 Star 宋飏，以及“GPT 之父”、OpenAI 首席科学家 Ilya Sutskever。
当下的图像生成畛域非常炽热，不仅涌现出大量的翻新算法，也呈现了像 Midjourney、Stable Diffusion 这样极富冲击力的我的项目，还催生了 AIGC（AI generated content）这一行业新赛道。值得关注的是，这些我的项目背地，扩散模型（diffusion model） 起到了很大的作用。然而，通常扩散模型依赖迭代生成过程，导致采样速度较慢，也限度了它们在实时利用场景中的施展空间。
OpenAI 的这个工作，被评估是“扩散模型的终结”。
让咱们来看一些 Consistency Models 论文中应用一致性模型解决的图像：
右边：灰度图像；两头：上色后的图像；左边：实在场景图像
右边：降采样图像（32x32）；两头：全分辨率图像（256x256）；左边：实在场景图像（256x256） 右边：用户提供的笔画输出；左边：笔画疏导的生成图像
咱们将试着返璞归真，用一个简略的数据集和间接可运行的代码，阐明 Consistency Models 的一些相干的背地技术，并进一步介绍其原理。
那么，Consistency Model 真是扩散模型的终结吗？它与 AI for Science 又有着怎么千头万绪的分割？欢送你点进 notebook、探个到底。你无需放心环境配置和依赖问题，仅须要专一于学习自身。依附 收费的 2 核 4G 计算资源，你能够在平台上间接运行和批改代码。
Notebook 链接：https://nb.bohrium.dp.tech/detail/1301
欢送关注咱们的微信公众号 NBHub，获取更多乏味的 Notebook 实际～感兴趣的童鞋能够查看原文：https://mp.weixin.qq.com/s?__biz=Mzg5NTk3Nzk3MQ==&mid=2247483…
