论文标题: Improved Techniques for Training Scorebased Generative Models
作者: Yang Song, Jascha SohlDickstein, Diederik P、Kingma, Abhishek Kumar, Stefano Ermon, Ben Poole
期刊/会议: NeurIPS 2021
简介: 这篇论文进一步改进了分数匹配方法,并展示了如何使用它来训练生成模型以生成高质量的图像。
3、文本到图像生成
论文标题: Generative Pretrained Transformer (GPT) for TexttoImage Synthesis
作者: Alexei A、Efros et al.
期刊/会议: CVPR 2021
简介: 这篇论文探讨了如何利用预训练的语言模型与生成模型结合,生成特定描述的图像。
论文标题: CLIP: Connecting Text and Images
作者: Alec Radford, Jong Wook Kim, Chris Hallacy, Aditya Ramesh, Gabriel Goh, Sandhini Agarwal, Girish Sastry, Amanda Askell, Pamela Mishkin, Jack Clark, Gretchen Krueger, Ilya Sutskever
期刊/会议: ICLR 2021
简介: 这篇论文介绍了CLIP模型,该模型通过联合学习文本和图像表示来实现跨模态任务。
4、艺术风格迁移
论文标题: Perceptual Losses for RealTime Style Transfer and SuperResolution
作者: Justin Johnson, Alexandre Alahi, Li FeiFei
期刊/会议: ECCV 2016
简介: 这篇论文提出了感知损失函数的概念,用于实时的艺术风格迁移。
论文标题: Neural Artistic Style
作者: Leon A、Gatys, Alexander S、Ecker, Matthias Bethge
期刊/会议: ECCV 2015
简介: 这篇论文首次提出了神经艺术风格迁移的概念,通过分离内容和风格特征来生成新的图像。
5、其他相关资源
Arxiv: 你可以访问 [Arxiv](https://arxiv.org/) 搜索相关的论文,例如搜索关键词如 AI painting, image generation, style transfer 等。
Google Scholar: 使用 Google Scholar 可以找到更多关于AI绘画的研究成果。