扩散模型+CV与NLP科研笔记

扩散模型+CV与NLP科研笔记 本笔记涵盖了扩散模型、计算机视觉（CV）和自然语言处理（NLP）等领域的研究成果，涉及到扩散模型、 score-based generative models、Consistency Models 等热门研究方向。通过对扩散模型的公式推导和代码实战，深入了解扩散模型的原理和应用。同时，笔记还涵盖了自然语言处理领域的研究成果，如文本去重、MinHash 和 MinHashLSH 算法等。 1. 扩散模型：扩散模型是一种生成模型，通过不断地降噪和反推来生成图像。该模型可以用来实现图像合成、图像编辑和图像去噪等任务。 2. Denoising Diffusion Probabilistic Models：这一部分对扩散模型的公式进行了详细的推导，包括概率论基础和数学公式。 3. Classifier-Free Diffusion Guidance：这部分讲解了 Classifier-Free Diffusion Guidance 的原理和实现，通过代码实战详细了解 Diffusion Guidance 的应用。 4. NLP_文本去重：该部分讲解了文本去重的原理和实现，包括 MinHash 和 MinHashLSH 算法的应用。 5. Classifier Guided Diffusion：这部分讲解了 Classifier Guided Diffusion 的原理和实现，通过代码实战详细了解 Diffusion 的应用。 6. Score-Based Generative Models：这部分讲解了 Score-Based Generative Models 的原理和实现，包括公式推导和代码实战。 7. Score-Based Generative Models 训练部分：这部分详细讲解了 Score-Based Generative Models 的训练过程，包括代码实战。 8. Score-Based Generative Models 采样部分：这部分详细讲解了 Score-Based Generative Models 的采样过程，包括代码实战。 9. CLIP速读篇：这部分讲解了 CLIP 模型的原理和实现，包括 Contrastive Language-Image Pretraining 的应用。 10. CVPR2022 论文精读 DiffFace：这部分详细讲解了 DiffFace 模型的原理和实现，包括论文精读和代码实战。 11. Consistency Models：这部分讲解了 Consistency Models 的原理和实现，包括复现指导和效果分析。 12. DDIM 加速采样方法：这部分讲解了 DDIM 加速采样方法的原理和实现，包括公式推导和代码分析。 13. GigaGAN 论文总结：这部分讲解了 GigaGAN 模型的原理和实现，包括论文总结和代码实战。 14. GigaGAN 论文精读：这部分详细讲解了 GigaGAN 模型的原理和实现，包括论文精读和代码实战。 15. SDG 代码精读：这部分详细讲解了 SDG 模型的原理和实现，包括代码精读和实现。 16. SDG 精读与代码复现：这部分详细讲解了 SDG 模型的原理和实现，包括论文精读和代码复现。 17. Stable Diffusion 论文精读：这部分详细讲解了 Stable Diffusion 模型的原理和实现，包括论文精读和代码实战。 18. VQ-VAE-2 论文精读：这部分详细讲解了 VQ-VAE-2 模型的原理和实现，包括论文精读和代码实战。 19. VQ-VAE 代码实战：这部分详细讲解了 VQ-VAE 模型的原理和实现，包括代码实战。 20. VQ-VAE 论文精读+代码实战：这部分详细讲解了 VQ-VAE 模型的原理和实现，包括论文精读和代码实战。 21. VQGAN 论文精读：这部分详细讲解了 VQGAN 模型的原理和实现，包括论文精读和代码实战。 22. supplemental：这部分讲解了 On_Distillation_of_CVPR_2023_supplemental 的原理和实现。 23. 基于分数的模型与扩散模型的区别与联系：这部分讲解了 Score-Based Generative Models 和扩散模型的区别与联系。 24. 生成模型新方向：这部分讲解了 Score-Based Generative Models 的新方向和发展前景。 25. 终结扩散模型：这部分讲解了 Consistency Models 的原理和实现，包括 OpenAI 开源新模型代码。 26. 论文精读CVPR_2022(Oral)：这部分详细讲解了 Smooth-Swap 模型的原理和实现，包括论文精读和代码实战。 27. 论文精读CVPR_2023：这部分详细讲解了 Collaborative Diffusion for Multi-Modal Face Generation and Editing 模型的原理和实现，包括论文精读和代码实战。 28. 论文精读CVPR_2023：这部分详细讲解了 DiffSwap 模型的原理和实现，包括论文精读和代码实战。 29. 论文精读CVPR_2023：这部分详细讲解了 On Distillation of Guided Diffusion Models 模型的原理和实现，包括论文精读和代码实战。 30. 从 Diffusion Model 到 score-based generative models 再到 Consistency Models 的介绍：这部分讲解了扩散模型、Score-Based Generative Models 和 Consistency Models 的关系和发展历程。 31. 基于 Logistic 混沌映射和 Arnold 变换 的变换域水印改进算法：这部分讲解了基于 Logistic 混沌映射和 Arnold 变换 的变换域水印改进算法的原理和实现。