选自arXiv

作者：AXelSauer

机器之心编译

编辑：赵阳

扩散模型在文本到图像生成方面是最好的吗？不见得，英伟达等机构推出的新款StyleGAN-T，结果表明GAN仍具有竞争力。

文本合成图像任务是指，基于文本内容生成图像内容。当下这项任务取得的巨大进展得益于两项重要的突破：其一，使用大的预训练语言模型作为文本的编码器，让使用通用语言理解实现生成模型成为可能。其二，使用由数亿的图像-文本对组成的大规模训练数据，只要你想到的，模型都可以合成。

训练数据集的大小和覆盖范围持续飞速扩大。因此，文本生成图像任务的模型必须扩展成为大容量模型，以适应训练数据的增加。最近在大规模文本到图像生成方面，扩散模型（DM）和自回归模型（ARM）催生出了巨大的进展，这些模型似乎内置了处理大规模数据的属性，同时还能处理高度多模态数据的能力。

有趣的是，年，由Goodfellow等人提出的生成对抗网络（GAN），在生成任务中并没有大放异彩，正当大家以为GAN在生成方面已经不行的时候，来自英伟达等机构的研究者却试图表明GAN仍然具有竞争力，提出StyleGAN-T模型。

论文

转载请注明:http://www.aideyishus.com/lkzp/3696.html