探索AIGC前沿算法研究
汇集最新的人工智能生成内容算法论文，涵盖图像、文本、音频等多模态生成技术
500+
收录论文
50+
顶级会议
20+
研究方向
AIGC研究概述
人工智能生成内容（AIGC）是当前人工智能领域最活跃的研究方向之一。从早期的GAN到现在的Diffusion Models和大型语言模型，AIGC技术正在快速发展。本专题旨在为研究人员提供一个集中的平台，了解最新的AIGC算法进展，包括但不限于：
Diffusion Models
GAN
Transformer
VAE
Flow Models
Multi-modal Generation
热门论文推荐
DALL·E 2: Hierarchical Text-Conditional Image Generation with CLIP Latents
提出了一种基于CLIP潜在空间的层次化文本条件图像生成方法，实现了高质量的文本到图像生成...
CVPR 2022
Text-to-Image
CLIP
Stable Diffusion: High-Resolution Image Synthesis with Latent Diffusion Models
引入了潜在扩散模型，在保持高质量生成的同时显著降低了计算复杂度，使得高分辨率图像生成成为可能...
ICCV 2022
Diffusion
Latent Space
Attention Is All You Need
提出了Transformer架构，完全基于注意力机制，在机器翻译等任务上取得了突破性进展...
NIPS 2017
Transformer
Attention
Generative Adversarial Networks
开创性地提出了生成对抗网络框架，通过生成器和判别器的对抗训练实现数据生成...
NIPS 2014
GAN
Foundation
研究方向分类
图像生成
包括文本到图像生成、图像编辑、风格迁移等研究方向，涵盖GAN、Diffusion Models等主流技术。
Text-to-Image
Image Editing
Style Transfer
文本生成
大型语言模型、文本摘要、对话系统、代码生成等，以Transformer架构为核心技术。
LLM
Text Generation
Code Generation
音频生成
语音合成、音乐生成、音效生成等，结合深度学习和信号处理技术。
TTS
Music Generation
Audio Synthesis
相关资源
以下是一些有助于AIGC研究的资源链接：