习 思1，朱 敏2

(1.网易(杭州)网络有限公司，浙江 杭州 310052；2.浙江树人学院 信息科技学院，浙江 杭州310015)

        摘要：生成式视觉模型的发展呈现从生成对抗网络(GAN)、变分自编码器(VAE)到扩散模型的技术演进路径.GAN通过生成器与判别器的对抗学习捕获数据分布特征；VAE基于变分推断建立编码与解码的概率框架；扩散模型则依托逐步去噪过程从随机噪声恢复高质量图像.这些模型在图像生成、修复和增强等应用中取得显著成果.然而，训练稳定性、计算效率和生成质量仍是亟待解决的关键问题.同时，随着应用范围扩大，数据偏见、隐私保护和知识产权等伦理问题也须引起足够重视.文章系统分析生成式视觉模型的技术原理、性能评估和伦理挑战，探讨提升模型效率、增强多模态融合及推进负责任开发等未来的研究方向.

        关键词：生成式视觉模型；生成对抗网络；变分自编码器；扩散模型

        中图分类号：TP18；TP391.41；G206              文献标志码：A                     文章编号：2097-6070（2025）02-0025-06