深度生成AI：近期进展、模型变体与实际应用综述
计算机视觉与模式识别
2025-10-28 v1 人工智能
机器学习
摘要
近年来，基于深度学习的生成模型，特别是生成对抗网络（GANs）、变分自编码器（VAEs）和扩散模型（DMs），在各类领域（如图像和视频合成）中发挥了重要作用，能够生成多样且高质量的内容。这种能力导致了这些模型的广泛采用，并引发了强烈的公众兴趣。随着它们发展迅速，日益增长的研究量、不断扩大的应用领域以及未解决的技术挑战，使得在该领域保持最新状况变得日益困难。为此，本综述介绍了一种全面的分类框架，组织文献并为理解GANs、VAEs和DMs的发展，包括其众多变体和组合方法提供了 cohesive 框架。我们强调了改进生成输出质量、多样性和可控性的关键创新，反映了生成式人工智能不断拓展的潜力。在总结技术进展的同时，我们还审视了日益增长的伦理问题，包括滥用风险以及合成媒体的更广泛社会影响。最后，我们概述了持久的挑战并提出了未来研究方向，为该快速发展领域的研究者提供了结构化且前瞻的视角。
引用
@article{arxiv.2510.21887,
title = {Generative AI in Depth: A Survey of Recent Advances, Model Variants, and Real-World Applications},
author = {Shamim Yazdani and Akansha Singh and Nripsuta Saxena and Zichong Wang and Avash Palikhe and Deng Pan and Umapada Pal and Jie Yang and Wenbin Zhang},
journal= {arXiv preprint arXiv:2510.21887},
year = {2025}
}
备注
Accepted by the Journal of Big Data