扩散模型简史:从加噪去噪到催生图像、音乐与蛋白质设计
盘点了支撑当下图像生成 AI 的核心技术扩散模型的发展历程。扩散模型借鉴非平衡热力学,通过学习从噪声中恢复数据的逆过程,并在 OpenAI CLIP 的指引下实现精准生成。除了画画,该架构正快速扩展至音乐创作以及蛋白质和 DNA 序列设计等生物医疗领域。
盘点了支撑当下图像生成 AI 的核心技术扩散模型的发展历程。扩散模型借鉴非平衡热力学,通过学习从噪声中恢复数据的逆过程,并在 OpenAI CLIP 的指引下实现精准生成。除了画画,该架构正快速扩展至音乐创作以及蛋白质和 DNA 序列设计等生物医疗领域。
斯坦福大学 AIMI 研究人员通过微调开源 Stable Diffusion,成功生成了具备病变特征的逼真胸部 X 光片。研究证明通用潜扩散模型无需昂贵算力即可迁移到专业医学领域,有助于填补罕见病数据缺口。不过目前生成图像多样性有限,且协议禁止直接用于诊断。