AIGC行業專題報告：從文生圖到文生視頻_技術框架與商業化

文生圖和文生視頻的底層技術框架較爲相似，主要包括GAN、自迴歸和擴散模型三大路徑，其中擴散模型（Diffusion model）爲當前主流生成模型，多個指標對比下綜合佔優，能在較爲可控的算力成本和較快的速度下生成具備多樣性、高質量的圖像：

①圖像質量：擴散模型>自迴歸模型>GAN模型。FID值（Fréchet Inception Distance score）是用於評估模型生成的圖像質量的指標，是用來計算真實圖像與生成圖像的特徵向量間距離的一種度量。

FID值越小，可以認爲圖像質量在一定程度上越優。從不同模型的FID得分來看，擴散模型平均數較小，反應圖像質量較高。

②參數量：自迴歸模型>擴散模型>GAN模型。GAN的參數量一般在千萬級別，整體較爲輕巧，擴散模型的參數量在十億級別，自迴歸模型在十億到百億級不等。

③生成速度（由快到慢）：GAN模型>擴散模型>自迴歸模型。生成速度與參數量級爲負相關關係。

④訓練成本：自迴歸>擴散模型>GAN模型。由於參數量級較小，GAN模型訓練成本小且開源模型多，仍具備一定優勢。而自迴歸模型參數量級較大，整體訓練成本更高。

在單張A100GPU下，120億參數的DALL-E需要18萬小時，200億參數的 Parti更是需要超過100萬小時，擴散模型參數量在十億級別，整體訓練成本較爲適中。

來源：國海證券

若需獲取本篇完整版資源，請關注公衆號《俠說》

報告內容節選如下：

資料下載方式：公衆號《俠說》，www.guotaixia.com

AIGC智能社媒創作助手、GPT3.5/4.0體驗.....Al方案鴨：aiduck.art