DreamBoothを徹底解説 — 数枚の写真で被写体を覚えさせる拡散モデルの微調整【CVPR 2023】
「うちの飼い犬を、雪山の写真や油絵風に描いてほしい」——テキストから画像を作る拡...
DiT（Diffusion Transformer）を徹底解説 — 拡散モデルのU-NetをTransformerに置き換えた【ICCV 2023】
Sora（動画生成）やStable Diffusion 3 など、2024年以降...
拡散モデル（DDPM）の理論をわかりやすく解説
拡散モデル（Diffusion Model）は、近年の画像生成 AI の中核をな...
【拡散モデル】U-Netアーキテクチャの理論と実装
U-Netは、もともと医用画像のセグメンテーションのために2015年に提案された...
Classifier-Free Guidanceの数学的導出と実装
Classifier-Free Guidance（CFG）は、2022年にHo ...
ControlNetの仕組み — Zero Convolutionと条件付き画像生成
ControlNetは、2023年にZhangらが発表した、拡散モデルに空間的な...
Imagen・DALL-Eの比較 — テキスト→画像生成モデルの進化
Imagen（Google）とDALL-E（OpenAI）は、テキストから画像を...
Stable Diffusionの仕組み — 拡散モデルの理論と全体像
Stable Diffusionは、2022年にStability AI、Com...
Stable DiffusionのCross-Attention — テキストから画像を生成する注意機構の仕組み
「猫がギターを弾いている」と入力するだけで、Stable Diffusionはま...
スコアマッチングとスコアベース生成モデルを解説
スコアベース生成モデル（Score-based Generative Model...