Mila在读博士Louis Bouchard总结的论文列表，总体比较靠谱。GitHub上还有很多论文的短视频和文字解读、代码链接等。 下面的列表我们添加了论文的主要贡献机构（有些机构虽然有贡献但排名较后有挂名嫌疑的，都被忽略不计了）&#xf…

DALL-E-2 论文水记 模型示意图 虚线上面是 CLIP 的训练流程 虚线下面是文字生成图像的流程。我们有一个 prior 模型和一个 decode 模型。先把 text embeding 输入 prior 模型，得到 image embeding，再把 image embeding 输入 decoder ，得到…

论文:https://cdn.openai.com/papers/dall-e-2.pdf 代码：https://github.com/lucidrains/DALLE2-pytorch 摘要 像CLIP这样的对比模型已经被证明可以学习稳健的图像表征，这些特征可以捕捉到语义和风格。为了利用这些表征来生成图像，我们提出了…

编者按：随着AIGC的兴起，各位小伙伴们对文生图工具DALL-E 2、Stable Diffusion和Midjourney一定并不陌生。 本期IDP Inspiration，小白将和大家一同走进这三者背后的技术原理，一探究竟。 以下是译文，Enjoy! 作者 | Arham…

文章目录 注册DALL使用根据描述来generate上传图片来generate也可以根据描述信息或者相似的图片来进行设计 注册DALL https://openai.com/product/dall-e-2 使用 根据描述来generate surprise me 自动生成描述（因为每个月只有15个免费credits，节省起…

作者：Joy Zhang 翻译：陈超 校对：赵茹萱本文约3000字，建议阅读8分钟 本文介绍了作者使用DALLE 2生成了美洲驼灌篮的逼真版图片的过程。 是的，这是一只美洲驼灌篮。一份对DALLE 2封闭测试版试验的过程、限制以及学习内容…

CogView整体的算法框架与DALL-E相比更为简洁，文本部分的token转换已经十分成熟，下文不再做进一步介绍；图像则是通过一个离散化的AE(Auto-Encoder)转换为token。文本token和图像token拼接到一起之后输入到GPT模型中生成图像。最后在处理文本图…

Hierarchical Text-Conditional Image Generation with CLIP Latents 1. Background 根据文本生成原创性图像，没有在训练集中出现过，学习特征然后进行组合根据文本对已有的图像进行编辑和修改，可以任意添加或移除已有物体（因为使…