Talk预告 | ICLR‘23 德州大学奥斯汀分校刘星超：扩散生成模型新方法 - 极度简化，一步生成

本期为TechBeat人工智能社区第483期线上Talk！

北京时间3月22日(周三)20:00，德州大学奥斯汀分校计算机系博士生——刘星超的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “扩散生成模型新方法：极度简化，一步生成 ”，届时将分享Rectified Flow，一个”简简单单走直线“的生成模型。

Talk内容解读，可参考讲者文章：

https://zhuanlan.zhihu.com/p/603740431

Talk·信息

▼

主题：扩散生成模型新方法：极度简化，一步生成

嘉宾：德州大学奥斯汀分校计算机系博士生 刘星超

时间：北京时间 3月22日 (周三) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

 长按识别二维码，一键预约TALK！

Talk·介绍

▼

Diffusion Generative Models(扩散式生成模型)已经在各种生成式建模任务中大放异彩，但是，其复杂的数学推导却常常让大家望而却步，缓慢的生成速度也极大地阻碍了研究的快速迭代和高效部署。除此以外，扩散式生成模型的一个众所周知的问题就是生成速度慢：生成一张图需要模拟一整个基于复杂的深度模型的扩散过程。缓慢的生成速度是阻碍这些模型更广泛的普及的一个主要瓶颈。Rectified Flow，一个”简简单单走直线“的生成模型，是我们对这些挑战的一个回答：极度简单，一步生成。我们的方法有以下要点：(1) 我们的模型基于常微分方程，无需一般扩散模型复杂的推导 (2) “走直线”让我们模型实现快速生成。(3) 我们的方法不仅可以做生成模型，还可以应用于很多更广泛的迁移学习 (比如domain transfer）任务上。

Talk大纲：

• 研究背景 和 动机

• 如何训练rectified flow并加速实现一步生成

• rectified flow取得的实验结果和其数学性质

Talk·预习资料

▼

• https://openreview.net/forum?id=XVjTT1nw5z

• https://github.com/gnobitab/RectifiedFlow

Talk·提问交流

▼

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

刘星超

德州大学奥斯汀分校计算机系博士生

刘星超，德州大学奥斯汀分校博士生，导师是刘强老师。他的研究兴趣包括贝叶斯推断和生成式模型等。他在ICML，NeurIPS，ICLR等机器学习会议上发表多项工作。

个人主页：https://github.com/gnobitab

 长按识别二维码，一键预约TALK！

-The End-