DiffusionによるText2Imageの系譜と生成画像が動き出すまで

2022年を境に爆発的な流行を見せはじめた AI 画像生成。コアとなる拡散モデルの基礎解説、研究領域で育てられた技術が一般層にまで羽撃いた変遷、その過程で生じた解決されるべき問題点、および日進月歩で増え続ける発展的な手法群について、網羅的に流れを追いかけるメタサーベイを作成しました。 明日にでも世界が一変しうる流動的な分野において、情報のまとめとは必然的に古くなっていくものです。そんな奔流の中にあっても、本資料が、これまでの歴史を俯瞰し、これからの成長を見据えるための礎として、幾許かでも皆様のお役に立てればと心より願い、ここに筆を置きます。

[Nyoho]

これは詳しい。拡散モデルの生成モデル、最近のGen-1などの動画生成、拡散過程の最近の数理的な改良進歩まで書いてある。

[mos-tantan]

お金を取れるレベルの解説。AIに難癖を付けてる連中全員に熟読させたい。

[misshiki]

238ページのスライド資料。多岐に渡る内容を細かく書いていてすごい。目を通す価値あり。

[qpci32siekqd]

大作で頭が下がる。日頃からまとめてりゃ良いが、ついついメモ書きで終わらせてしまう…。

[arisane]

ChilloutMixが2/28に非公開になったところまでよく追ってるな...。なおその翌日にcivitaiに権利譲渡して再公開された模様

[catan_coton]

ChilloutMixの公開停止の件まで書かれてて草。ようまとめたわ

[rgfx]

(2023/03/01)

[t_f_m]

あとで

[aipacommander]

すげー！！！！

[nabinno]

個人活動が多く占める調査に会社の冠がついているのは、スポンサーとして何かサポートしてくれたのかしら?

[kazuph1986]

神サーベイ。やっと全部読めたけど、使い手として日本人たくさんいる一方でアルゴリズムの作り手としての日本の存在感のなさを改めて痛感した。

[k-takahashi]

『変遷、その過程で生じた解決されるべき問題点、および日進月歩で増え続ける発展的な手法群について、網羅的に流れを追いかけるメタサーベイ』

[masadream]

やばい力作。必見。ふつうにお金取れるレベルです。。

[hetoheto]

個人の仕事としては良いけど、著作権で食ってるコンテンツ会社の名前出して大丈夫か。AI界隈は今、非常に微妙だぞ

[auto_chan]

Text2Image……Text2Video……そして脳toﾄﾞｽｹﾍﾞｴｯﾁﾝｸﾞVRﾁｮﾒﾁｮﾒﾌﾙﾀｲﾌﾞﾒﾀｳﾞｧｰｽへ……その日は近い……！！！！！深度マップ界隈にﾚﾎﾞﾘｭｰｼｮﾝ！Text to World 、もしもボックス。

[fhvbwx]

これはすごいとしか言いようがない

[slkby]

shuttrestockが強くて笑った(笑えない)。unClipの整合性の低さはカジュアルなアートユースではむしろ利点だったのかもなあ。表現をUNetに伝える、引き出す技術、特にComposerの画像操作はかなりおもしろい。

[roshi]

生成系AIは多少の誤差があっても見る側（人間）が許容するから新たな手法などが発展しやすいのかな？と思ったり。

[shunkeen]

情報量の多さとスライドのデザインのこだわり。情熱がえげつねぇ。3章で社会的な影響と課題にも触れているし、技術者倫理の感覚もしっかりしてそう。勝手に託されたくないだろうけど、未来の明るさを感じてしまう。

[hedachi]

もはや本

[fukufukuyarou]

これまでのまとめ資料としてすごい