【生成式AI】速覽圖像生成常見模型

感謝黃敬峰先生提供字幕
Variational Auto-encoder (VAE): • ML Lecture 18: Unsuper...
Flow-based Generative Model: • Flow-based Generative...
Generative Adversarial Network (GAN): • GAN Lecture 1 (2018): ...

[@HungyiLeeNTU]

感謝黃敬峰先生提供字幕

[@xfmercedes]

非常感谢老师的无私奉献！中文世界最好的AI科普教程！

[@victorchen7312]

每周都很期待更新😄

[@cocoz-fv4sk]

哇！！！终于等到了！！！就想听李老师讲diffusion的原理！！！

[@zhaochen6870]

讲的好好，并且真的很容易听明白

[@CornuDev]

感謝分享，謝謝老師

[@user-nn8vb4gp4f]

謝謝老師🥳🥳🥳

[@user-hs8xr1yv4t]

謝謝老師

[@dramajpn]

同學們，上課囉😁

[@user-ig3ln6yq4t]

讚

[@mumi6B]

這個標題取的好欸

[@yoshiyuki1732ify]

总觉的VAE的那个采样和老师说的那个上帝构架不太一样，因为一张图片对应的是一个分布参数，而不是对应一个点。难道是因为大量分布（对应着大量图片）的求和（数据的堆叠）最终仍然会满足一个高斯分布？

[@user-wp1rb1nl5x]

Flow/VAE/GAN/Diffusion如果出现的循序不一样，现在火的会不会不是Diffusion？

[@keanuhsieh]

「就結束了」

[@willy7703]

這明明是學術影片 為什麼我專注前2字🥲🤣

[@yanzhang8877]

哪两个字？

[@hedgehog8566]

@@yanzhang8877 速覽....覺..察😯

[@lch99310]

想請問老師 在總結的那張投影片中 Diffusion model 加n次的噪點 跟花n次的decoder去解碼 請問這兩個n要一樣嗎 謝謝

[@husiareyang5942]

不用，對enc多層幫助enc，對dec多層幫助dec

[@weibinzheng8943]

各位大佬，作业在哪里看呀~

[@simonlang2553]

感觉有些急，很多概念听了个热闹，如果统计机器学习的基本概念再咬咬就好了，能多回味下。