扩散模型基础原理与视觉内容生成

主讲人:李崇轩 | 中国人民大学高瓴人工智能学院准聘副教授

  • 开课时间

    2024.04.27 09:55

  • 课程时长

    82分钟

  • 学习人数

    1461人次学习

立即学习
添加客服微信了解详情,添加时请备注【0427】

立即学习

扩散模型基础原理与视觉内容生成

扩散概率模型逐步地对先验分布去噪恢复数据分布。目前,这类模型在数据合成质量、采样的多样性和数据密度估计等指标下取得了超越 VAE、GAN、FLOW 等经典深度生成模型的结果,也部署于诸多跨模态大规模生成模型。本次课程会介绍扩散概率模型训练和采样的基本原理、大规模训练和视觉内容生成等方向的前沿进展。

扩散概率模型逐步地对先验分布去噪恢复数据分布。目前,这类模型在数据合成质量、采样的多样性和数据密度估计等指标下取得了超越 VAE、GAN、FLOW 等经典深度生成模型的结果,也部署于诸多跨模态大规模生成模型。本次课程会介绍扩散概率模型训练和采样的基本原理、大规模训练和视觉内容生成等方向的前沿进展。

直播课件暂未上传
自然语言处理 大语言模型 基础
模型压缩与部署 大语言模型 模型压缩与部署 进阶