近两年AIGC的爆发,掀起了各个领域的范式革命,最先进的生成模型Diffusion Models,作为一种强大的生成工具,也开始运用至遥感技术研究,比如,卫星图像大规模生成模型DiffusionSat,遥感语义分割、生成图像和标注的SatSynth,遥感数据超分辨率重建的RefDiff...而作为标准扩散模型的DDPM,和基于DDPM加速采样的DDIM,往往是改进的首选策略!
为了帮助大家掌握扩散模型必备算法,研梦非凡于8月15日晚(周四),邀请了大模型资深算法工程师魏导师,独家详解顶会论文《Denoising Diffusion Implicit Models(DDIM)》(AI前沿直播课NO.61),从深度生成模型回顾,到DDPM(NIPS'20)的优缺点,再重点讲解DDIM(ICLR'21)的算法研究、实验分析,1节课吃透DDIM架构原理,get论文改进和求职知识点!
👇🏻扫描二维码找助教0元预约直播课!
凡预约即可免费领取120篇扩散模型论文(包含扩散模型+遥感方向)+文末还有算力等科研福利!
直播课内容概览
01 论文引言
深度生成模型:传统和迭代 DDPM与GAN的效率差距 DDIM由此诞生
02 研究背景
DPM(扩散模型)
三种生成模型:GAN、VAE和基于流的模型 扩散模型:原理和特点 以上模型的架构对比
DDPM(去噪扩散概率模型)
基于马尔可夫扩散过程的模型 优缺点:生成质量高,但耗费时间长
03 DDIM—相关工作
DDPM和NCSNs密切相关 DDIM是一种隐式生成模型
具有某些类似GANs和可逆流的属性 具有连续深度的神经网络
04 DDIM—算法研究(重点)
非马尔可夫前向过程的变分推理 非马尔可夫正向过程 生成过程与统一变分推理目标 从广义生成过程中抽样 去噪扩散隐式模型 加速生成过程 与关联神经网络的常微分方程
05 DDIM—实验分析(重点)
实验总览
DDIM在图像生成方面优于DDPM,速度提高了10-100倍 DDIM会保留高级图像特征,可直接从潜空间执行插值 DDIM还可用于编码从潜代码中重建它们的样本
样本质量和效率 样本的一致性 确定性生成过程中的插值 潜在空间重构
06 总结讨论
导师介绍
魏导师
大模型资深算法工程师,从事新能源汽车智能座舱语音对话高级算法研发工作,也担任过芯片公司模型训练推理框架和高性能计算工程师。
直播福利
参加本次直播的同学都将获得1小时导师meeting的福利(助教+导师)!原价2999,限时福利价9.9元!活动时间为8月15日到8月31日。
ps:研梦非凡开设的前沿论文系列直播,旨在帮助大家提升读论文技能,快速抓住重点,掌握有效方法,进而找到创新点,轻松完成论文报告。
👇🏻扫描二维码找助教0元预约直播课!
凡预约即可免费领取120篇扩散模型论文(包含扩散模型+遥感方向)+文末还有算力等科研福利!
研梦非凡科研福利
🌟7小时科研论文写作系列课免费领
🌟数十节前沿论文直播课程免费领
🌟50小时3080GPU算力免费领
🌟百篇8月论文资料大合集免费领
🌟报名本次直播课,9.9元即可享受原价2999元的1小时导师meeting(助教+导师)!
本号提供信息分享,对内容保持中立。若发现侵权问题,请及时联系我们,感谢您的理解与支持。