Keep on to blur preview images; turn off to show them clearly
RT @shao__meng: 「杂志风格信息卡」提示词又来了，效果更好了！ 上一版杂志风格信息卡分享后，得到了非常多朋友的关注和点赞喜欢，非常非常开心！你知道一个中年程序员，被夸有设计品位时，那种嘴角压不住的笑吗 😄😄😄…
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
In retrospect, the multi-decade climate nonsense will likely be seen as what has cost the late stage Western civilization its Mandate. Inept industrially, performative politically, suicidal spiritually. NGMI World Order, dead on arrival
We're in a race. It's not USA vs China but humans and AGIs vs ape power centralization. @deepseek_ai stan #1, 2023–Deep Time «C’est la guerre.» ®1
RT @shao__meng: Kimi K2 版信息卡提示词，新发了一篇公众号，3/4 信息卡和 2.3/1 封面都有，效果意外的好，和 Gemini 2.5 Pro 的感觉不一样，我自己更喜欢 Kimi K2 这种感觉，对内容突出更清晰看着更舒服。 感兴趣的朋友可以扫描二…
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
RT @asyncr0ne: Fun fact: that day Marc told me to follow @jackfriks while he had only 2,562 followers on X. crazy how fast it can go when…
🧑💻 https://t.co/Y30jsaI4oH $20K/m ⚡️ https://t.co/vatLDmiHKe $12K/m 📈 https://t.co/3EDxln5U2Q $6K/m 🍜 https://t.co/r07EpGTwyA $.5K/m 🧾 https://t.co/7olaOzVGML $0/m 🛡️ https://t.co/LFgSlrZaip $0/m 🧬 https://t.co/SfrVXVtU38 $0/m +18 https://t.co/4zCWHGJWRq
文件地址：https://t.co/92kzC8YvM3
关注人工智能、LLM 、 AI 图像视频和设计（Interested in AI, LLM, Stable Diffusion, and design） AIGC 周刊主理人｜公众号：歸藏的AI工具箱
终于有这么一本读物了，几个 AI 大佬研究员一起出了一个详细讲解扩散模型原理的论文 我翻译了一个双语版本，链接放下面了👇 可以非常全面的理解现在图像和视频模型的基石扩散模型，具体内容有： 第一章：概览生成模型的定义、重要性与谱系，为统一理解奠基。 第二章（VAE 视角）：以变分推断连接到 DDPM，用潜变量与重构/去噪目标解释训练与采样。 第三章（EBM/Score 视角）：从能量模型到 NCSN/Score SDE，以分数匹配和连续时间 SDE 描述生成动力学。 第四章：采样即沿时间反向求解 ODE/SDE，用扩散漂移向量场逐步逼近数据分布。 第五章（NF 视角）：从正规化流到 Flow Matching，以可逆变换/流场学习统一“概率随时间运输”的思想。 第六章：以微积分的换元公式为统一底座，并以“条件化技巧”把难题化为回归，实现稳定可控的训练。 第八章：在 ODE 框架重审 DDIM、DPM-Solver，澄清与经典数值法的关系并解释快速采样原理。 第九章：系统化更优数值积分与误差控制，加速迭代采样同时保持保真度与稳定性。 第十章：提出一致性模型等“流映射”思路，直接学习任意时刻到任意时刻的解映射以少步生成。 第十一章：扩展一致性轨迹与 Mean Flow，以学习整条轨迹（积分）实现单步或极少步高质量生成。
文件地址：https://t.co/92kzC8YvM3