Hugging Face 用 Diffusers 支持 VQ-Diffusion：几行代码运行离散扩散模型
中国科学技术大学与微软提出的 VQ-Diffusion 是一种在量化隐空间上做加噪与去噪的条件扩散模型，其隐空间由离散向量集合构成。
#图像生成
Hugging Face 社区博客AI 评分4242
Eugene Yan：WritingAI 评分6464 Eugene Yan 解读文生图四大核心概念：扩散、文本条件、引导与潜空间
Eugene Yan 发文梳理文生图技术的四个关键概念：扩散、文本条件、分类器引导和潜空间扩散。文章从 2015 年扩散论文和 DDPM 讲起，覆盖 CLIP、DALL·E、DALL·E 2、Imagen 到 Stable Diffusion，并附上作者自己复现 DDPM 时测得的噪声增减权重等实验细节。
Hugging Face 社区博客AI 评分5454 Hugging Face 推出免费扩散模型课程并将于 11 月 30 日举办社区直播活动
Hugging Face 与 Jonathan Whitaker 合作推出的免费 Diffusion Models Class 课程将于 11 月 28 日上线，内容涵盖扩散模型的理论与应用。
Hugging Face 社区博客精选AI 评分7676 Hugging Face 分享用 Dreambooth 微调 Stable Diffusion 的实验结论与调参建议
Hugging Face 发布教程，基于多组实验总结用 Dreambooth 微调 Stable Diffusion 的推荐设置，并提示 🧨 Diffusers 提供官方训练脚本。
推荐理由：原文基于多组实验给出 Dreambooth 微调 Stable Diffusion 的超参数建议，可帮助读者降低过拟合并提升生成质量。
Hugging Face 社区博客精选AI 评分6060 Hugging Face Diffusers 教程：用 JAX/Flax 在 TPU 上运行 Stable Diffusion
Hugging Face Diffusers 自 0.5.1 版本起支持 Flax，官方博客教程演示如何用 JAX/Flax 在 Google TPU 上运行 Stable Diffusion 推理。
推荐理由：Hugging Face 官方教程，演示在 TPU 上用 JAX/Flax 跑 Stable Diffusion，8 卡并行约 7 秒生成 8 张图，可直接复现。
Hugging Face 社区博客AI 评分5050 rinna 发布 Japanese Stable Diffusion：面向日语文化的文生图模型
rinna 基于 Stable Diffusion 微调出日语专用文生图模型 Japanese Stable Diffusion，可理解日语固有词汇、拟声词与专有名词并生成日式风格图像。
Hugging Face 社区博客AI 评分5656 Hugging Face AutoTrain 新增无代码图像分类训练
Hugging Face 宣布 AutoTrain 新增图像分类任务，用户无需写代码或配置即可训练图像分类模型。流程为在 AutoTrain 创建项目、上传或选择 Hub 数据集、设定候选模型数量后开始训练；用 5 个候选模型训练少于 500 张图片免费。
Hugging Face 社区博客精选AI 评分7575 Hugging Face Diffusers 0.3 发布：图生图、Textual Inversion 与低显存优化
Hugging Face 发布 diffusers 0.3，为扩散模型库新增图生图、Textual Inversion、实验性 inpainting、ONNX 导出和 macOS M1/M2 推理支持等功能。优化后 Stable Diffusion 显存占用降至 3.2GB，代价是约 10% 的速度损失；社区还贡献了视频生成、可解释性工具和日语、动漫方向的微调模型。
推荐理由：原文梳理了 diffusers 0.3 的图生图、Textual Inversion、低显存优化等新功能，开源图像工作流的使用者可以对照更新自己的用法。
OpenAI：官网动态精选AI 评分6868 DALL·E 推出 outpainting 外绘功能，支持任意尺寸扩展图像
OpenAI 为 DALL·E 推出 outpainting 功能，可在原图之外继续扩展画面，支持任意尺寸的图像创作，用于延展创意并讲述更完整的故事。
Hugging Face 社区博客精选AI 评分8888 Hugging Face 教你用 🧨 Diffusers 运行 Stable Diffusion 并自定义生成管线
Hugging Face 发布教程，讲解如何用 🧨 Diffusers 库运行 CompVis、Stability AI 和 LAION 推出的文生图模型 Stable Diffusion v1-4。
推荐理由：来自 Diffusers 团队的第一手教程，同时讲清 latent diffusion 三大组件原理，代码示例可直接复用于文生图管线。
OpenAI：官网动态精选AI 评分6565 OpenAI 开放 DALL·E 测试版，将从候补名单邀请 100 万用户
OpenAI 宣布 DALL·E 开放测试，未来几周内将从候补名单邀请 100 万人使用。用户每月可获得免费生成额度，额外额度按 115 次生成 15 美元的价格购买。
推荐理由：原文明确了邀请规模和付费定价，读者可以了解 DALL·E 测试版的获取方式与使用成本。
Lilian Weng：Lil'LogAI 评分4141 通用视觉语言模型
处理图像生成文本（如图像描述和视觉问答）的技术已有多年研究。传统方法通常依赖目标检测网络作为视觉编码器来捕捉视觉特征，再通过文本解码器生成文字。该内容聚焦于一种特定的技术路径，即扩展预训练的通用语言模型，使其具备处理视觉信号的能力，从而完成视觉语言任务。
Hugging Face 社区博客精选AI 评分7373 Hugging Face 详解扩散模型：逐行实现 The Annotated Diffusion Model
Hugging Face 发布教程，基于 Ho et al. 2020 的 DDPM 论文和 Phil Wang 的实现，用 PyTorch 逐步拆解并实现去噪扩散概率模型。
推荐理由：原文从数学推导到完整 PyTorch 代码逐段拆解 DDPM，读者可以照此动手实现一个可训练的扩散模型。
OpenAI：官网动态AI 评分4141 OpenAI 更新 DALL·E 2 研究预览：每周新增最多 1000 名用户
OpenAI 更新 DALL·E 2 研究预览进展，早期用户已累计生成超 300 万张图像，并帮助改进了安全流程。OpenAI 表示将开始每周从等待名单中新增最多 1000 名用户。
Sam Altman：Blog DALL•E 2
OpenAI 发布 DALL•E 2 研究版本，支持通过自然语言指令生成和编辑图像。作者认为这标志着计算机界面新趋势——自然语言交互，并指出与 Copilot 不同，DALL•E 2 能独立完成完整作品，可能率先冲击创意工作而非体力劳动，预示 AI 对劳动力市场的潜在影响。团队计划今年夏天正式产品化，当前采用渐进式部署策略以评估风险。
Hugging Face 社区博客AI 评分5454 Hugging Face 教程：使用 Transformers 微调 ViT 做图像分类
Hugging Face 发布教程，讲解如何使用 Transformers 库对 ViT 进行微调以完成图像分类任务。
Lilian Weng：Lil'LogAI 评分4949 什么是扩散模型？
扩散模型是一种新型生成模型，具备灵活学习任意复杂数据分布的能力，并可对分布进行解析评估。近期研究表明，扩散模型能够生成高质量图像，其性能已与最先进的GAN相竞争。该文章自发布以来持续更新，陆续加入了无分类器引导、GLIDE、unCLIP、Imagen、潜在扩散模型、渐进蒸馏、一致性模型等新方法与模型架构内容。
OpenAI：官网动态精选AI 评分8181 OpenAI 发布 DALL·E：从文本描述生成图像
OpenAI 宣布训练出神经网络 DALL·E，可根据自然语言文本描述生成图像，覆盖广泛可用自然语言表达的概念。
推荐理由：OpenAI 官方宣布文本生成图像模型 DALL·E，读者可据此了解文生图方向的早期源头。
Lilian Weng：Lil'LogAI 评分4141 从自编码器到Beta-VAE：生成模型的演进之路
本文系统梳理了自编码器系列模型的演进历程。自编码器通过瓶颈神经网络结构学习高维数据的压缩表示，其副产品是可用于降维、特征提取等任务的潜在编码。文章重点介绍了变分自编码器（VAE）及其关键变体Beta-VAE，它们通过引入概率框架和解缠约束，显著提升了生成能力。此外，还涵盖了去噪、稀疏等经典改进模型，并补充了后续发展如VQ-VAE与TD-VAE的相关内容。
OpenAI：官网动态AI 评分5151 OpenAI 发布可逆生成模型 Glow
OpenAI 推出 Glow，一种使用可逆 1x1 卷积的可逆生成模型，扩展了此前可逆生成模型的工作并简化了架构。模型可生成逼真的高分辨率图像，支持高效采样，并能发现可用于操纵数据属性的特征。OpenAI 同时发布了模型代码和在线可视化工具供探索和构建。
Lilian Weng：Lil'LogAI 评分4646 从 GAN 到 WGAN
生成对抗网络（GAN）在模拟图像、语言和音乐等现实世界内容的生成任务中成果显著，但其训练过程常因不稳定和难以收敛而受阻。Wasserstein GAN（WGAN）针对这一问题，引入 Wasserstein 距离作为平滑度量，用于优化概率分布间的距离测量，从而提升训练稳定性并促进模型收敛。该研究深入解析了 GAN 的数学原理，并展示了 WGAN 如何通过改进度量方式克服 GAN 的固有训练缺陷。