扩散模型从原理到实战

AIGC的应用领域日益广泛，而在图像生成领域，扩散模型则是AIGC技术的一个重要应用。本书以扩散模型理论知识为切，由浅深地介绍了扩散模型的相关知识，并以大量生动有趣的实战案例帮助读者理解扩散模型的相关细节。全书共8章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM反转等重要概念与方法，此外还介绍了Stable Diffusion、ControlNet与音频扩散模型等内容。最后，附录提供由扩散模型生成的高质量图像集以及Hugging Face社区的相关资源。 本书既适合所有对扩散模型感兴趣的AI研究人员、相关科研人员以及在工作中有绘图需求的从业人员阅读，也可以作为计算机等相关专业学生的参考书。
【推荐语】
（1）读者们呼唤的书来啦——AIGC的需求量日益庞大，而本书是市面上较少地讲解扩散模型理论与实战的图书。 （2）内容深浅出——从基础的理论知识出发，循序渐地带领读者理解扩散模型及其应用。 （3）知识靠谱——本书基于国外Hugging Face源社区的直播课程行编写，作者均是国内AI领域资深从业者。 （4）作者经验丰富——Huggingface总部位于纽约，是一家专注于自然语言处理、人工智能和分布式系统的创业公司，拥有大型的源社区。其在github上源的自然语言处理，预训练模型库Transformers，已被下载超过一百万次，github上超过24000个star。Transformers模型库提供了NLP领域大量state-of-art的预训练语言模型结构的模型和调用框架。
【作者】
李忻玮，硕士毕业于美国常春藤盟校之一的哥伦比亚大学数据科学专业，现任声网人工智能算法工程师；主要研究方向是生成式人工智能、计算机视觉、自然语言处理、提示工程等。 苏步升，扩散模型算法工程师，AIGC创业者，Hugging Face中国社区本地化工作组成员。 徐浩然，毕业于中国海洋大学电子信息工程专业，现任声网音频算法工程师，从事扬声器声学设计、音频增强算法、音频质量评估算法等研究工作。 余海铭，本科毕业于暨南大学，硕士毕业于加州大学尔湾分校；先后在中国科学院深圳先技术研究院、爱奇艺、美团等单位工作；主要研究方向是图像识别、图像生成、多模态及自动驾驶等领域。