完整题目
除了Stable Diffusion之外，你还了解哪些主流的图像或内容生成模型？请列举并简要说明它们的技术特点和适用场景。
按公开生成机制分类
- GAN：生成器与判别器对抗训练，StyleGAN适合高质量人脸等图像生成，CycleGAN用于未配对图像翻译。采样通常一次前向，但训练可能不稳定。
- 连续VAE：学习连续潜变量的近似后验和decoder，适合表示学习、生成和可控潜空间。
- 离散token自回归：先把图像量化为token，再按序生成。Parti是公开的文生图自回归路线，生成受序列解码成本影响。
- 掩码生成：Muse并非自回归模型，它并行预测被mask的图像token并迭代细化。
- Diffusion与flow：Imagen等扩散模型逐步去噪；rectified flow类方法学习速度场并通过ODE类路径采样。
DALL-E 3和Midjourney等闭源产品只能依据官方披露描述能力，不能替其断言具体backbone、训练数据或内部损失。比较模型时应区分公开论文方法与商业产品，并按质量、可控性、延迟、训练稳定性、许可证和证据完整度选型。
继续追问 · 3 个问题
- DALL-E 3和Midjourney相比，为什么DALL-E 3在文本遵循能力上更强
- 扩散模型和自回归模型在生成效率和质量上的 trade-off 是什么
- 如何看待Sora这类视频生成模型的技术路线选择
换一种问法，检查是否真正理解
场景切入
假设你在做一个AI绘图工具，用户想要生成一张‘赛博朋克风格的猫’，你觉得除了SD，还有哪些模型能搞定？各自有什么特点？
层层追问
你平时用过的图像生成模型有哪些？……除了SD，还有别的吗？……那它们的底层技术路线有什么不同？比如扩散和自回归，具体适用什么场景？
直球架构
请列举目前主流的图像或内容生成模型，并说明它们的技术特点和适用场景。不用讲SD，讲其他几个就行。