本书详尽地探讨了变分自编码器、生成对抗网络、标准化流模型和扩散模型这四大主流生成式视觉模型。本书不仅深入解析了这些模型背后的复杂数学原理、训练及采样算法，还提供了详细的代码实现指南。秉承"理论与实践并重”的理念，本书进一步探索了生成式视觉模型在不同场景中的应用实例，并精选了4个具有代表性的实战案例进行深度剖析。这些案例紧密贴合实际业务需求与面临的技术挑战，旨在引导读者掌握利用生成式视觉模型解决现实问题的方法论，同时通过动手实践增强其编程技能与技术优化能力。 本书适合具有大学本科数学基础（包括微积分、线性代数、概率统计）及机器学习、深度学习等知识，并熟悉Python及PyTorch编程的本科生、研究生，或者相关领域的研究人员阅读与学习。