补课补着补着想问一句:现在随手就能出一张像样的图,这事放几年前谁敢信?
我是刚开始啃文生图这块的,本来只想搞明白现在的东西怎么用,结果越往回翻越觉得有意思。最早那波文字生成图像,能看懂简单描述、画出个大概,可场景一复杂就露馅,人物、透视全糊成一团。那时候大家的判断是还得再等好几年才能成熟,结果没等多久,扩散模型这套思路就把整个方向掀翻了,进步速度快得离谱。
回头看这段最有意思的地方在于,它不是一条平滑往上的线,中间有个明显的拐点。拐点之前所有人都在原来的路子上修修补补,拐点之后大家忽然发现换个思路问题就不一样了。光看现在的结果,是感受不到这种落差的。
所以我现在的读法是把几篇奠基性的东西按时间顺序排着看,先看最初的想法是怎么提出来的,再看后面一版一版是在哪些地方改的、为什么要那么改。这样读比直接翻最新的教程慢,但脉络清楚得多,每一步改动都有前面的问题垫着,不会觉得是凭空冒出来的。
有同样在补这段课的,欢迎一起把这条演进线理一理,一个人排容易排偏。