OpenAI “终结扩散模型” 的 Consistency Model 是什么，又跟 AIGC 和 AI4S 有什么关系？

最近，OpenAI “低调发布”了图像生成领域的一项工作 —— Consistency Model。 作者包括 AI 届当红 Star 宋飏，以及 “GPT 之父”、OpenAI 首席科学家 Ilya Sutskever。

当下的图像生成领域十分火热，不仅涌现出大量的创新算法，也出现了像 Midjourney、Stable Diffusion 这样极富冲击力的项目，还催生了AIGC（AI generated content）这一行业新赛道。值得关注的是，这些项目背后，扩散模型（diffusion model） 起到了很大的作用。然而，通常扩散模型依赖迭代生成过程，导致采样速度较慢，也限制了它们在实时应用场景中的发挥空间。

OpenAI 的这个工作，被评价是“扩散模型的终结”。

让我们来看一些 Consistency Models 论文中使用一致性模型处理的图像：

                左边：灰度图像；中间：上色后的图像；右边：真实场景图像

  左边：降采样图像（32x32）；中间：全分辨率图像（256x256）；右边：真实场景图像（256x256）

                    左边：用户提供的笔画输入；右边：笔画引导的生成图像

我们将试着返璞归真，用一个简单的数据集和直接可运行的代码，说明 Consistency Models 的一些相关的背后技术，并进一步介绍其原理。

那么，Consistency Model 真是扩散模型的终结吗？它与 AI for Science 又有着怎样千丝万缕的联系？欢迎你点进notebook、探个究竟。你无需担心环境配置和依赖问题，仅需要专注于学习本身。依靠免费的 2 核 4G 计算资源，你可以在平台上直接运行和修改代码。

Notebook链接：https://nb.bohrium.dp.tech/detail/1301

欢迎关注我们的微信公众号NBHub，获取更多有趣的 Notebook 实践～感兴趣的童鞋可以查看原文：https://mp.weixin.qq.com/s?__biz=Mzg5NTk3Nzk3MQ==&mid=2247483...