[فارسی]

01 مقدمه
01-01 شروع با تولید متن به تصویر

02 انتشار نهفته
02-01 انتشار چیست؟
02-02 مروری بر سطح بالا
02-03 زمانبندی
02-04 مدل U-Net
02-05 آموزش یک مدل
02-06 ارزیابی تصاویر تولید شده

03 مدل های انتشار شرطی
03-01 مدل های انتشار مشروط
03-02 چالش: CIFAR-10
03-03 راه حل: CIFAR-10

04 رمزگذارها و انتشار پایدار
04-01 مراحل بعدی برای سفر هوش مصنوعی شما
04-02 رمزگذارهای متن در CLIP
04-03 رمزگذار متن در عمل
04-04 قرار دادن همه اینها با Stable Diffusion
04-05 تعصب، محدودیت ها و بحث و جدل

05 نتیجه گیری
05-01 مراحل بعدی برای سفر هوش مصنوعی شما

[ENGLISH]

01 Introduction
01-01 Getting started with text-to-image generation

02 Latent Diffusion
02-01 What is diffusion?
02-02 High-level overview
02-03 Scheduler
02-04 U-Net model
02-05 Train a model
02-06 Evaluating generated images

03 Conditioned Diffusion Models
03-01 Conditioned diffusion models
03-02 Challenge: CIFAR-10
03-03 Solution: CIFAR-10

04 Encoders and Stable Diffusion
04-01 Next steps for your AI journey
04-02 Text encoders in CLIP
04-03 Text encoder in practice
04-04 Putting it all together with Stable Diffusion
04-05 Bias, limitations, and controversy

05 Conclusion
05-01 Next steps for your AI journey