diffusion

【论文精读】DifFace: Blind Face Restoration with Diffused Error Contraction这篇文章是被 2024 TPAMI接收的关于人脸修复(face restoration)方向的论文，作者是南洋理工大学Chen Change Loy 课题组的。这个课题组很经典，在图像Low Level 方向发表了多篇经典论文，例如视频超分辨率的BasicVSR++，人脸修复的CodeFormer。

计算机视觉｜从0到1揭秘Diffusion：图像生成领域的新革命Diffusion 模型是一种基于扩散过程的生成模型，其灵感来源于非平衡热力学的理论框架。简单来说，它通过模拟数据的逐步退化与重建过程来生成新数据。具体而言，Diffusion 模型先通过正向扩散，向原始数据（如图像）中逐步添加噪声，使其逐渐演变为随机噪声；随后，通过学习一个反向过程，从纯噪声开始逐步还原出原始数据。这种方法在图像生成领域表现尤为突出，能够根据文本描述等条件生成逼真的图像。此外，它还在视频生成中展现出潜力，可生成连贯且高质量的动态内容，在当前人工智能生成内容（AIGC）领域中占据了一席之地

Rectified Flow 原理简介与示例代码解读Rectified Flow 是最近非常火热的图像生成模型框架，最新的 SD3、Flux 等模型都是基于该框架。本文对其原理进行简单直观地介绍，并通过分析官方示例代码来加深理解。

Stable Diffusion核心网络结构——VAE本文详细介绍SD模型的三部件之一——VAE，阐述VAE在SD模型中的作用和完整的架构。目录传统VAEStable Diffusion核心网络结构

SD（Stable Diffusion）模型的基本工作数据流SD（Stable Diffusion）模型的基本工作数据流主要涉及图像生成过程，它建立在深度学习的基础上，利用神经网络对图像和文本进行建模和学习。以下是SD模型基本工作数据流的详细步骤：

扩散模型学习先验概率和后验概率是贝叶斯统计学中的两个重要概念，用于描述事件发生的概率在更新观测数据后的变化情况。先验概率（Prior Probability）：

昇思 25 天学习打卡营第 25 天 | MindSpore Diffusion 扩散模型使用 MindSpore 学习神经网络，打卡第 25 天；主要内容也依据 mindspore 的学习记录。

论文解读：DiAD之SG网络DiAD论文最主要的创新点就是使用SG网络解决多类别异常检测中的语义信息丢失问题，那么它是怎么实现的保留原始图像语义信息的同时重建异常区域？

风巽·剑染春水

【技术追踪】使用去噪扩散型进行 3D 血管图生成（MICCAI-2024）graphs 图也可以用 diffusion 耶~本文提出了第一个去噪扩散模型在 3D 血管图生成中的工作，其是新颖的两阶段生成方法，依次对节点坐标和边进行去噪，在生成多样化、新颖且解剖学上合理的血管图方面性能表现出色。

风巽·剑染春水

【技术追踪】SegGuidedDiff：基于分割引导扩散模型实现解剖学可控的医学图像生成（MICCAI-2024）它来了它来了，它带着 mask 做生成了~SegGuidedDiff：提出一种用于解剖学可控医学图像生成的扩散模型，在每个采样步骤都遵循多类解剖分割掩码并结合了随机掩码消融训练算法，可助力乳房 MRI 和腹部/颈部到骨盆 CT 等任务涨点。

ComfyUIComfyUI 是最强大和模块化的stable diffusion GUI和后端。此用户界面将允许您使用基于图形/节点/流程图的界面设计和执行高级stable diffusion 管道。

【论文笔记】利用扩散模型DDPM做变化检测change detection去噪扩散模型DDPM去年开始在各种视觉任务取得惊人的效果，变化检测领域也不例外，本文介绍两篇关于如何使用扩散模型实现变化检测的论文。第一篇做法较为自然，先利用遥感数据预训练DDPM，然后将预训练好的网络当作变化检测任务的特征提取器；第二篇则更有意思，不再进行像素分类，而是直接利用扩散模型生成变化图。

DiffusionGAN ——最快的小波扩散模型应用研究扩散模型最近出现并迅速发展，吸引了许多研究人员的兴趣。这些模型能从随机的噪声输入生成高质量的图像。在图像生成任务中，它们的表现尤其优于最先进的生成模型（GANs）。扩散模型可以灵活地处理各种条件输入，从而实现广泛的应用，如文本到图像的生成、图像到图像的转换和图像复原。这在基于人工智能的数字艺术和其他领域有着潜在的应用前景。

风巽·剑染春水

【Diffusion实战】训练一个diffusion模型生成蝴蝶图像（Pytorch代码详解）上一篇Diffusion实战是确确实实一步一步走的公式，这回采用一个更方便的库：diffusers，来实现Diffusion模型训练。

OpenAI Sora引领AI跳舞视频新浪潮：字节跳动发布创新舞蹈视频生成框架OpenAI的Sora已经引起广泛关注，预计今年AI跳舞视频将在抖音平台上大放异彩。下面将为您详细介绍一款字节跳动发布的AI视频动画框架。

读论文：DiffBIR: Towards Blind Image Restoration with Generative Diffusion PriorDiffBIR 发表于2023年的ICCV，是一种基于生成扩散先验的盲图像恢复模型。它通过两个阶段的处理来去除图像的退化，并细化图像的细节。DiffBIR 的优势在于提供高质量的图像恢复结果，并且具有灵活的参数设置，可以在保真度和质量之间进行权衡。网络结构图如下所示：

深入浅出 diffusion(4)：pytorch 实现简单 diffusion

深入浅出 diffusion(3)：pytorch 实现 diffusion 中的 U-Net导入python包silu激活函数归一化设置计算时间步长的位置嵌入，一半为sin，一半为cos上下采样层设置

深入浅出 diffusion（2）：pytorch 实现 diffusion 加噪过程我在上篇博客深入浅出 diffusion（1）：白话 diffusion 原理（无公式）中介绍了 diffusion 的一些基本原理，其中谈到了 diffusion 的加噪过程，本文用pytorch 实现下到底是怎么加噪的。