新一代视觉生成范式「VAR: Visual Auto Regressive」视觉自回归来了！使 GPT 风格的自回归模型在图像生成首次超越扩散模型，并观察到与大语言模型...

本文首次探索了大kernel(window) Mamba块在医学图像分割上的潜力，为了充分利用大kernel Mamba的能力，我们设计了一种基于分层和双向的大window的Mamba块，增强SSM。

本文讲解了无监督学习（聚类、PCA、特征学习、密度估计）和三种常用生成模型的原理及优缺点：Pixel RNN / Pixel CNN、变分自编码器VAE、生成对抗网络GAN【CS231n L13】

> 本文全面探讨了Transformer及其衍生模型，深入分析了自注意力机制、编码器和解码器结构，并列举了其编码实现加深理解，最后列出基于Transformer的各类模型如BERT、GPT等。文章旨

> 在本文中，我们深入探讨了注意力机制的理论基础和实际应用。从其历史发展和基础定义，到具体的数学模型，再到其在自然语言处理和计算机视觉等多个人工智能子领域的应用实例，本文为您提供了一个全面且深入的视

本系列将全方面解读CV大模型背后的技术。 本文为扩散模型篇的第二篇，通过图解的方式，从更符合大家思维惯性的角度入手，详细解说扩散模型背后的数学原理，帮助大家更好使用扩散模型。

本系列将从原理到源码，全方面解读文生图CV大模型背后的技术。本文是本系列文章的第一篇，为大家深入浅出解析扩散模型。内含全网最详细的扩散模型DDPM架构图。