活动报名｜简化扩散薛定谔桥，生成模型架构探索

报告主题：简化扩散薛定谔桥，生成模型架构探索

报告日期：4月16日（周二）10:30-11:30

主题简介：

近些年来，基于扩散模型的生成模型(SGM)取得了巨大的成功。然而，其依然有生成速度慢，加噪过程需要手动定义，拟合能力有限，只能单向生成的潜在问题。最近，基于薛定谔桥(SB)的工作在一定程度上展现出了解决这些问题的潜力。我们从扩散薛定谔桥(DSB)出发，提出了一种理论上的简化方式，将薛定谔桥和扩散模型统一起来。通过使用SGMs作为DSB的初始解决方案，我们的方法利用了两种框架的优势，确保了更高效的训练过程并改进了SGM的性能。此外，我们提出了一种重新参数化技术，尽管存在理论上的近似，但在实践中增强了网络的拟合能力。我们进行了广泛的实验评估，验证了简化DSB的有效性，展示了其显著的改进。我们相信，这项工作为未来的生成模型建模铺平了道路。

报告嘉宾：

古纾旸，在中国科学技术大学自动化系于2017年和2022年分别获得学士和博士学位，现为微软亚洲研究院视觉计算组研究员，主要研究方向为计算机视觉中的生成模型。研究兴趣主要包括生成对抗网络和扩散模型的理论及应用，探索新一代生成模型，以及生成模型质量评估。目前已在CVPR,ICCV,ECCV等会议上发表多篇论文并担任多个会议与期刊的审稿人。个人主页：https://cientgu.github.io/

扫描下方二维码

或点击「阅读原文」报名