AIGC算法论文专题

最新研究论文

• Diffusion Models Beat GANs on Image Synthesis

  Prafulla Dhariwal, Alexander Nichol
  本文展示了扩散模型在图像合成质量上超越了GANs，通过引入新的架构改进和训练技术，在多个基准数据集上取得了最先进的结果。
  查看论文 →

• Attention Is All You Need

  Ashish Vaswani, et al.
  提出了Transformer架构，完全基于注意力机制，摒弃了循环和卷积结构，在机器翻译任务上取得了显著的性能提升和并行化优势。
  查看论文 →

• CLIP: Connecting Text and Images

  Alec Radford, et al.
  提出了一种从自然语言监督中高效学习视觉概念的方法，实现了文本和图像的跨模态理解，在零样本迁移方面表现出色。
  查看论文 →

• Stable Diffusion: High-Resolution Image Synthesis with Latent Diffusion Models

  Robin Rombach, et al.
  介绍了一种在潜在空间中进行扩散的模型，显著降低了计算成本，同时保持了高质量的图像生成能力。
  查看论文 →

核心算法趋势

研究资源

以下是一些获取AIGC算法论文的重要资源平台：

• • arXiv - 最重要的预印本平台，可获取最新研究成果
• • Google Scholar - 学术搜索引擎，方便追踪论文引用和相关研究
• • Papers With Code - 结合论文与开源代码，便于复现和学习
• • 知名会议 - NeurIPS, ICML, CVPR, ACL等顶级会议发布前沿研究