AIGC的核心技术有哪些？ChatGPT训练过程图 ChatGPT原理
AIGC的核心技术有哪些？
1、基础模型
模型名称提出时间应用场景1、深度变分自编码（VAE）2013年图像生成、语音合成2、生成对抗神经网络（GAN）2014年图像生成、语音合成3、扩散模型（Diffusion Model）2015年图像生成4、Transformer2017年语言模型5、Vision Transformer（ViT）2020年视觉模型（1）变分自编码（Variational Autoencoder，VAE）
变分自编码器是深度生成模型中的一种，由Kingma等人在2014年提出，与传统的自编码器通过数值方式描述潜空间不同，它以概率方式对潜在空间进行观察，在数据生成方面应用价值较高。
VAE分为两部分，编码器与解码器。编码器将原始高维输入数据转换为潜在空间的概率分布描述；解码器从采样的数据进行重建生成新数据。
Stable diffusion原理图
由上图可以看到，图像从噪声中生成的全过程，从无到有，到每一步的变化，生成细微差异的图像。
B：Image Decoder
Image Decoder对处理过的信息矩阵进行解码，输出生成图像。
输入：处理过的信息矩阵，维度为（4, 64, 64）
输出：结果图像，各维度为（3，512，512）
Stable Diffusion是一款功能强大、免费且开源的文本到图像生成器。不仅完全开放了图片版权，甚至开放了源代码，并允许用户免费使用该工具，允许后继的创业者们使用开源框架构建起更加开放而强大的内容生成大生态。
“Stable Diffusion最初采用4000台A100的显卡训练，这些显卡价值不菲（每台价格一至两万美元），很难想象他们有着怎样的财力，抱着怎样的理念，或者说为人们做贡献的精神去把这个东西放出来的。它的价值之高，对业界的影响之大，说是AI革命都不过分。”
