图像生成技术演进史：从 GAN 到 Diffusion 再到 Sora

这篇文章带你坐上 AI 图像生成的时光机，穿越三代主流技术，从 GAN 的对抗艺术，到扩散模型的细腻光影，再到如今横空出世的视频生成模型 Sora，我们来一探图像生成背后的进化逻辑和技术魔法。

🌀 第一代：GAN——生成的艺术对抗者

2014 年，Ian Goodfellow 提出了 GAN（Generative Adversarial Network），像是搞了个“真假对抗赛”：一个 Generator 负责“编造”图像，一个 Discriminator 负责“抓谎”，两个神经网络互相掐架，一路把“假图”骗成“真图”。

原理图：

flowchart LR
    A[随机噪声 z] --> B[生成器 G]
    B --> C[生成图像]
    C --> D[判别器 D]
    D --> E[判断真假]
    E -->|真假反馈| B

代表模型：

• DCGAN（2015）：最早生成清晰图像的 GAN。

• StyleGAN（2018）：会“审美”的 GAN，能生成高度真实的人脸图像。

• BigGAN（2018）：Google 出品，大参数量提升图像细节。

优点：

• 训练快、生成速度高。

• 风格可控（尤其 StyleGAN）。

缺点：

• 易崩、难调、mode collapse（生成内容缺乏多样性）是常态。

• 无法明确“逐步生成”的过程。

💨 第二代：扩散模型 Diffusion——逐步还原的艺术

扩散模型就像“