文本到图像扩散模型的开发与增强
计算机视觉与模式识别
2025-03-10 v1 人工智能
摘要
本研究专注于文本到图像去噪扩散模型的开发与增强，解决了样本多样性有限和训练不稳定等关键挑战。通过引入无分类器引导（CFG）和指数移动平均（EMA）技术，本研究显著提升了图像质量、多样性和稳定性。利用Hugging Face最先进的文本到图像生成模型，所提出的增强方法在生成人工智能领域建立了新的基准。本工作探讨了扩散模型的基本原理，实施了先进的策略以克服现有限制，并对所取得的改进进行了全面评估。结果表明，在从文本描述生成稳定、多样且高质量的图像方面取得了实质性进展，推进了生成人工智能领域，并为未来应用奠定了新的基础。关键词：文本到图像，扩散模型，无分类器引导，指数移动平均，图像生成。
引用
@article{arxiv.2503.05149,
title = {Development and Enhancement of Text-to-Image Diffusion Models},
author = {Rajdeep Roshan Sahu},
journal= {arXiv preprint arXiv:2503.05149},
year = {2025}
}