dijkstra
A Note on Two Problems in Connexion with Graphsbfs dfs, hard to find, give up.
顺便问个小问题
我怎么觉得 sd 有点。。
求一个微分方程迭代终值的感觉
初始的噪音是给初值
经过多轮迭代趋向一个“稳定”的结果
当然解可能非常大（也符合图一大生成时间暴涨的感觉
反正我不会研究这个的，这玩意太玄学了
你想想 stable diffusion 这名字怎么来的
想象一下墨水滴到水里, 会扩散, 等稳定后, stable diffusion
所以基本的绘图方法都是微分方程求解器。以及加噪音增加多样性。或者改进求解时间。
人物定型
LORA: LOW-RANK ADAPTATION OF LARGE LANGUAGE MODELS另一个微分方程求解器
DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps出动图需要
AnimateDiff: Animate Your Personalized Text-to-Image Diffusion Models without Specific TuningSD 前身
High-Resolution Image Synthesis with Latent Diffusion Models升采样, 因为原图模型在 512x512 上训练的, 直接 1024x1024 会有严重劣化. 所以出图需要 upscale
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks打 tag 相关论文: 实际是图像元素识别.
