介绍Text2Image文生图的方法：DALL·E，Stable Diffusion，Midjouney，Imagen，Parti，MUSE等等。将简略地从技术角度聊聊他们的发展脉络，介绍它们之间的么联系、差异。

初稿: 2023/02/17

Text2Image文生图技术的发展和流派大致可以总结为下图。我们主要关注：

• OpenAI的DALL·E 1和2
• Stability AI的Stable Diffusion
• Midjourney
• Google的Imagen，Parti和MUSE

理解了下面这张图，基本也就理解了这些耳熟能详方法的技术发展。

（原图下载链接：https://xinntao.github.io/images/Text2ImageModels.png）

注：

1. 本文旨在从宏观角度理出技术发展的脉络，不涉及方法的具体技术细节。具体的技术细节请参考其他解读文章或者论文。
2. 为了尽可能简化技术发展脉络，本文仅关注了部分代表性工作。其他还有优秀的相关工作没有囊括。
3. 欢迎大家指正讨论，一起改进。

1. 两大主要路线：AutoRegressive (AR)与Diffusion

Text2Image文生图目前主要有两大技术路线：AutoRegressive自回归和Diffusion扩散模型。在目前这个阶段，Diffusion依靠其高质量的生成受到更多关注，目前更火。但不排除，后面的发展AutoRegressive仍有新的机会，特别是Parti和MUSE的发展。可能会存在和NLP自然语言处理领域中类似的现象，即GPT系列(GPT1-3到chatGPT)的发展表现出，这类结构在扩大模型后，逐渐“浮现”（emerging）出来新的exciting的性质。

下面的内容是单纯的图像生成技术，还没有涉及到文本控制的生成，即还没有以文本作为条件。

AutoRegressive是什么？