进一寸有一寸的欢喜

从2013-2024 图像生成，文生图经典论文目录

2024.01.04 阿里开源中文文字图像生成2024.01.15 小红书开源InstantID, 上传真人图片的生成ID一致的AI形象2024.02.22 字节开源了 SDXL-Lighting (1,2,4,8步快速出图)2024.03.05 开源了SD3 （重点,因为有论文）2024.03.29 PixArt-Σ （sigma）华为诺亚方舟实验室开源英文4K 文生图模型2024.04 字节提出了视觉自回归文生图模型VAR (2024年某顶会最佳论文)

大语言模型使用无标注语料库进行预训练，当模型大小达到一定数量，出现智能涌现，能够进行小模型不具备的能力：下文学习，在未经过特定任务微调的情况下能够理解并响应复杂指令**；以及对新任务的适应性，即基于给定的输入示例就能够推断出相应的输出模式

多模态大语言模型：Multimodal Large Language ModelsMM-LLM =预训练单模态模型（ 含LLMs） + 微调对齐所有模态 + 输出调整MM-LLMs 利用现成的预训练单模态基础模型，特别是强大的大型语言模型（LLMs）， 作为认知核心，赋予各种多模态任务能力。LLMs 提供了稳健的语言生成、zero-shot 迁移能力和上下文学习（ICL）等可取特性在这一领域中，主要关注点是通过多模态预训练（MM PT, Pre-Training）+ 多模态指令调整。

NeRF的核心优化手段： 端到端可微渲染（紧致-高效的三维视觉信息表达）从更本质的角度建立了二维图像与三维世界的联系