图像生成王者不是GAN？扩散模型最近有点火，效果直达SOTA

OpenAI刚刚推出的年末新作GLIDE，又让扩散模型小火了一把。

这个基于扩散模型的文本图像生成大模型参数规模更小，但生成的图像质量却更高。

于是，依旧是OpenAI出品，论文标题就直接号称在图像生成上打败GAN的ADM—G模型也重新进入了大众眼中:

光看Papers with Code上基于ImageNet数据集的图像生成模型榜单，从64 x 64到512 x 512分辨率都由这一模型占据榜首:

对比曾号称史上最强图像生成器的BigGAN—deep也不落下风，甚至还能在LSUN和ImageNet 64 times， 64的图像生成效果上达到SOTA。

有网友对此感叹:前几年图像生成领域一直由GAN主导，现在看来，似乎要变成扩散模型了。

我们先来看看扩散模型的定义。

这是一种新的图像生成的方法，其名字中的扩散本质上是一个迭代过程。

具体到推理中，就是从一幅完全由噪声构成的图像开始，通过预测每个步骤滤除的噪声，迭代去噪得到一个高质量的样本，然后再逐步添加更多的细节。

而OpenAI的这个ADM—G模型，则是在此基础上向图像生成任务中加入了类别条件，形成了一种独特的消融扩散模型。

研究人员分别从以下几个方面做了改进:

基本架构

基于UNet结构做了五点改进:

在噪声逐步转换到信号的过程中，研究人员引入了一个预先训练好的分类网络。

之后，再基于分类分数和目标类别之间的交叉熵损失计算梯度，用梯度引导下一步的生成采样。

缩放分类梯度

按超参数缩放分类网络梯度，以此来控制生成图像的多样性和精度。

比如像这样，左边是1.0规模大小的分类网络，右边是10.0大小的分类网络，可以看到，右边的生成图像明显类别更加一致:

也就是说，分类网络梯度越高，类别就越一致，精度也越高，而同时多样性也会变小。

生成领域的新热点

目前，这一模型在GitHub上已有近千标星:

而与GAN比起来，扩散模型生成的图像还更多样，更复杂。

基于同样的训练数据集时，扩散模型可以生成拥有全景，局部特写，不同角度的图像:

左:BigGAN—deep 右:ADM

其实，自2020年谷歌发表DDPM后，扩散模型就逐渐成为了生成领域的一个新热点，

除了文章中提到的OpenAI的两篇论文之外，还有Semantic Guidence Diffusion，Classifier—Free Diffusion Guidence等多个基于扩散模型设计的生成模型。

扩散模型接下来还会在视觉任务上有哪些新的应用呢，我们来年再看。