但是VAE生成图的质量普遍不高，有人认为原因是因为VAE把图片编码成了连续的变量，但是我们在描述物体时，转化为离散变量会更为自然。如果我们能够限制住AE的编码空间，使其能够符合某个数学分布，比如标准正态分布，那么我们就可以在标准正态分布中随机采样给Decoder，那么就能够生成随机的图了。VQVAE的作者的做法是，通过PixelCNN随机在数学分布中采样，生成小图像，再用VQGAN的decoder

24年8月，stable diffusion前核心团队成员组建的黑森林实验室公布了一款文生图模型——FLUX.1, 效果惊艳四座，不仅克服了stable diffusion, SDXL等一众模型画手错乱的问题，在图片质量、精细程度以及图片细节、风格多样性上碾压了一众模型，达到了当时的SOTA水平。因此本文将带领大家，从源码上来学习该模型的思想。

Dit来自论文《Scalable Diffusion Models with Transformers》，是构成Sora文生视频的核心。在Stable Diffusion中，image被压缩到latents之后，会继续被送到unet构建的attention中，然后再DIT中，作者把unet进行了替换，而使用Transformer。在推理速度和质量上达到了SOTA。

寻找字体（物体）的轮廓在深度学习（尤其是语义分割）中具有重要的应用，而这次应用的目标就是使用opencv寻找出字体的轮廓，然后通过轮廓找出字体的笔画，以期待能够找出深度学习模型未识别出的笔画。Canny能够适用于许多复杂的情况，而findContours只能够适用简单的字体。

想要实现照片风格转和油画风格互转吗？想要实现斑马野马互转吗？想要实现苹果橘子互转等这些任务吗？没错，CycleGAN网络就能够帮你满足这一目标！

这篇文章主要讲述的是swin transofmrer这个基本的网络架构。虽然现在是2023年，离swin transformer发布已经相隔三年之久了，但是这篇文章点此直达依然在很多下游任务中表现出SOTA的水平。点击直达。