Diffusion Models专栏文章汇总
前言：在近两年的NeurIPS、ICCV、CVPR等顶会中，出现了二三十篇score-based generative models相关的论文，这是一种全新的生成式模型。特别是一些论文直接喊出了beat GANs(打败GANs)的口号，全新的生成方式和部分领域领先GANs、VAE的生成效果，让越来越多的人感兴趣并投身于研究中。
会不会是下一个GANs？能否解决目前GANs遇到的问题？和现有的生成式模型相比有哪些优点?哪些缺点？目前的网络结构是怎样？如何用代码实现？常用的数据集有哪些？常用的评价指标有哪些？能应用到哪些领域？遇到了哪些问题？发展的瓶颈有哪些？未来的发展会怎样？
本文就这些问题进行探讨。
目录
原理概述
如果觉得《击败GANs的新生成式模型：score-based model(diffusion model)原理 网络结构 应用 代码 实验 展望》对你有帮助，请点赞、收藏，并留下你的观点哦！
