DALL·E 2
OpenAI推出的基于扩散模型的文本生成图像模型，支持通过自然语言描述生成高质量图像，是扩散模型在图像生成领域的代表性应用
核心事实
时间轴 (近 90 天)
扩散模型的思想最早在2015年被提出，但直到DALL·E 2等模型展示效果后才爆发。
2015年就已出现类似扩散模型的论文，但直到2022年DALL·E 2展示出惊艳效果后才引起大规模关注。
文生图技术在2022年随着Stable Diffusion、DALL·E 2和Midjourney的爆发进入公众视野
早期的Stable Diffusion和DALL·E 2在概念绑定方面表现较差，而SDXL、DALL·E 3和Midjourney v5等模型通过引入更强文本编码器等策略显著提升了准确性
扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统
全部知识事实 (8)
扩散模型的数学本质是基于随机微分方程和得分匹配理论，支撑着Stable Diffusion、DALL-E等图像生成系统
75%待验证DALL·E 2引入了CLIP引导的扩散模型
90%待验证DALL·E 2于2022年发布，转向了扩散模型架构，利用CLIP模型建立文本与图像之间的语义桥梁
90%待验证Stable Diffusion 和 DALL·E 2 于 2022 年发布，Midjourney V5 和 DALL·E 3 于 2023 年迭代发布
90%待验证扩散模型的思想最早在2015年被提出，但直到DALL·E 2等模型展示效果后才爆发。
50%待验证早期的Stable Diffusion和DALL·E 2在概念绑定方面表现较差，而SDXL、DALL·E 3和Midjourney v5等模型通过引入更强文本编码器等策略显著提升了准确性
50%待验证2015年就已出现类似扩散模型的论文，但直到2022年DALL·E 2展示出惊艳效果后才引起大规模关注。
50%待验证文生图技术在2022年随着Stable Diffusion、DALL·E 2和Midjourney的爆发进入公众视野
50%