图像检索和图像生成是计算机视觉领域中两个截然不同的任务，其目标也根本不同。图像检索侧重于从数据集中查找符合特定条件的现有图像，例如与查询图像在视觉上的相似性或与文本描述的一致性。例如，谷歌图片等搜索引擎使用检索技术来返回与用户输入相关的照片。相反，图像生成涉及创建在任何数据集中都不存在的全新图像。DALL-E 或 Stable Diffusion 等工具可以根据文本提示生成新颖的视觉内容，例如生成一张从未被拍摄过的“骑滑板的红猫”。检索依赖于分析和匹配现有数据，而生成则是从零开始合成新内容。
这些任务的技术方法差异显著。图像检索系统通常使用特征提取方法，例如卷积神经网络（CNN），将图像编码为表示其视觉属性（例如颜色、形状）的向量。这些向量存储在数据库中，并使用余弦距离等相似性度量来对匹配项进行排序。例如，反向图像搜索可以使用预训练的 ResNet 模型提取特征，并使用最近邻算法查找相似图像。而图像生成则依赖于生成模型，例如 GAN（生成对抗网络）或扩散模型。这些模型学习训练数据集的统计分布，并从中采样以创建新图像。例如，GAN 可以通过名人面部图像进行训练，以生成逼真但虚构的肖像。关键区别在于系统是查询现有数据（检索），还是建模数据分布以生成新样本（生成）。
这些技术的应用案例也各不相同。图像检索常见于电子商务（查找类似产品）、医学影像（定位具有特定异常的扫描）或内容审核（识别被禁止的图像）等应用中。例如，购物应用程序可以检索与用户上传照片匹配的手提包图像。另一方面，图像生成用于创意领域（艺术、设计）、数据增强（用于机器学习的合成训练数据）或个性化内容创建（游戏中的头像）。当真实数据稀缺时，开发人员可以使用扩散模型为机器人视觉系统生成合成训练图像。虽然这两个任务都涉及处理视觉数据，但检索侧重于高效搜索和匹配，而生成则优先考虑创造性和合成。理解这些差异有助于开发人员为其特定需求选择合适的工具。
