AI
生成 AI
【第2回】画像生成は「ノイズ」か「トークン」を当てる ― TXT2IMGの教師データとキャプション
画像生成にはGAN・自己回帰（トークン）型・拡散モデルの系統があり、いまの主流はStable Diffusionのような拡散モデルです。拡散型は「画像を直接描く」のではなく「加えたノイズを当てる」ことを学び、自己回帰型はLLMのように「次の画像トークン」を当てます。第2回では、画像とテキストのペアの集め方・CLIPによる品質フィルタから両方式の教師データまでを最小コードで整理します。全5回シリーズ第2回。
