本期为TechBeat人工智能社区第634期线上Talk。
长按识别二维码,一键预约TALK!
Rectified Flow提出一种更简单的扩散模型形式,并提出Rectification操作对ODE轨迹“拉直”从而实现单步生成。我们指出Rectification并不受限于扩散模型的形式,拓展其应用场景。在相同的实验配置下,我们仅使用8%的训练样本实现了远超Rectified Flow方法的单步性能。
2. 扩散模型推理加速相关工作
3. Rectified Flow相关工作
4. Rectified Diffusion动机分析、方法介绍及合理性分析
5. 实验设置与验证
Talk·预习资料
▼
论文链接:
https://arxiv.org/abs/2209.03003
论文链接:
https://arxiv.org/abs/2210.02747
论文链接:
https://arxiv.org/abs/2403.03206
论文链接:
https://arxiv.org/abs/2405.20320
论文链接:
https://arxiv.org/abs/2405.07510
论文链接:
https://arxiv.org/abs/2011.13456
论文链接:
https://arxiv.org/abs/2303.01469
论文链接:
https://arxiv.org/abs/2405.18407
论文链接:
https://arxiv.org/abs/2309.06380
论文链接:
https://arxiv.org/abs/2410.07303
Talk·提问交流
▼
Talk·嘉宾介绍
汪福运
香港中文大学MMLab在读博士生。师从李鸿升教授和王晓刚教授,研究方向为扩散模型、视觉生成、持续学习等;曾在NeurIPS、ICLR、SIGGRAPH、ECCV等顶级会议发表论文。曾获香港政府奖学金、南京大学优秀毕业生等荣誉。
个人主页:
https://www.techbeat.net/grzytrkj?id=42323
长按识别二维码,一键预约TALK!
-The End-
如果你也想成为讲者
▼
关于TechBeat人工智能社区
更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区