小欣hhhhhh

VQVAE Contribution 从理论上证明增加depth可以提高vae性能 提出70层的vae架构 实验验证vdvae在图片生成任务上的性能 Related Work hierarchical

CUT Contribution 提出基于对比学习的图像翻译框架，通过最大化互信息实现对应的像素块映射到学习的特征空间中的相似点 在Unpaired image translation中实现单侧翻译，

图像翻译之VQ系列 Contribution 提出VQ-I2I，一种以采用矢量量化（vector quantized codebook）作为中间表示的框架,ECCV2022

基于扩散模型的 paired image translation 之BBDM cvpr2023, BBDM: Image-to-image Translation with Brownian Brid

image translation———nips2022工作 Unpaired Image-to-Image Translation with Density Changing Regularizat

扩散模型加速采样之 Rectflow ICLR2023https://arxiv.org/abs/2209.03003

image inpainting 输出的结果应该是多样的。在需要被修复的hole中，越靠近边缘其确定性越强，越处于空洞中心的部分其多样性越强。

扩散模型实现 Guided-diffusion 项目：Diffusion Models Beat GANs on Image Synthesis (OpenAI)

扩散模型应用之 RePaint ，提出基于扩散模型的图像绘画方法，与以往针对特定分布的mask不同，RePaint与mask无关，可以提高image Inpainting的泛化度。