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。
