多模态

Robin Rombach

罗宾·龙巴赫

潜空间扩散 · 图像生成

Robin Rombach 是生成式视觉模型研究者，最知名的工作是潜空间扩散模型。他与合作者研究如何降低高分辨率图像生成的计算负担。

直接在像素空间反复去噪，需要处理大量数据。潜空间扩散先把图像压缩到更小的表示空间，再在其中进行扩散建模，最后解码回图像。这样可以在保留视觉信息的同时减少生成过程的计算成本。

这条技术路线成为 Stable Diffusion 等系统的重要基础。压缩表示、条件输入和训练数据都会影响生成质量，因此低成本并不意味着没有细节损失。Rombach 的工作把表示学习与扩散生成连接起来，是理解开放图像生成生态的重要入口。