潜扩散图像生成模型由哪些组件构成，如何使用文本条件？

• 为什么在 latent space 生成？

Qwen-VL架构 介绍Qwen Image以及Qwen Image Edit架构，VAE细节。

• 介绍Qwen Image以及Qwen Image Edit架构，VAE细节。

• 【文生图架构】文生图模型的架构是否了解？ 「阿里巴巴」

• 【生成任务】对文生图、图生图、图生视频的了解 「阿里巴巴」

• CLIP 的文本编码器如何把自然语言变成视觉条件？

• 与Pixel Diffusion相比，为什么Latent Diffusion能显著降低训练与推理成本？代价是什么？

• 与Latent Diffusion相比，Pixel Diffusion 在哪些任务上仍有优势？

• 从信息压缩角度看，Latent Diffusion潜空间会如何影响最终可生成细节上限？

• Stable Diffusion相比经典Diffusion model的核心优化是什么？

• 介绍一下Stable Diffusion核心网络结构与训练/推理过程

• Stable Diffusion中的VAE和原生VAE生成模型的区别是什么？