【生成式AI導論 2024】第18講:有關影像的生成式AI (下) - 快速導讀經典影像生成方法 (VAE, Flow, Diffusion, GAN) 以及與生成的影片互動
HTML-код
- Опубликовано: 31 май 2024
- 投影片:drive.google.c...
17:58 口誤:Sora 沒有 paper 只有 Blog
27:25 RLHF 和 GAN 還可以多找出一些差異。例如,在 GAN 中,Generator 和 Discriminator 會交替訓練,而早期的 RLHF 只會訓練一次 Reward Model,接下來就固定不變,然而,LLaMA 2 的 Reward Model 和語言模型也是交替訓練的;RLHF 訓練語言模型的方式是使用 RL 的演算法(例如 PPO),而 GAN 中的 Generator 通常不需要使用 RL 的演算法來更新參數,但如果 GAN 生成的輸出是離散的,Generator 也需要使用 RL 的演算法來進行訓練。
延伸閱讀:
Variational Auto-encoder (VAE)
• ML Lecture 18: Unsuper... (2016 機器學習)
Flow-based Method
• GAN Lecture 1 (2018): ... (2018 機器學習及其深層與結構化)
Diffusion Method
• Flow-based Generative... (2019 機器學習)
Generative Adversarial Network (GAN)
• 【生成式AI】淺談圖像生成模型 Diffus... (2023 機器學習) Наука
由於本週是本學期的最後一次上課,近期我將不會再更新更多的影片。本來預計介紹有關類神經網路編輯和語音生成式AI相關的內容,但是時間所限,未能進行,未來有機會再更大家分享。感謝大家的持續觀看到這部影片。
老师能分享相关的slides吗,想了解相关的主要论文❤感谢老师的优质教学❤
@@yumenoqiao speech.ee.ntu.edu.tw/~hylee/genai/2024-spring.php 所有這門課的投影片都在這裡了
謝謝老師! 期待下次的課程
多謝老師無私教導!我這個海外(老)學生感激不盡
感謝老師,另外希望可以介紹一些新的RL模型,或是換一種方式講解舊的模型
感謝這一系列精彩的課程,我們這些六旬的資訊老兵,也能跟上年輕人的腳步
過去在學時,除了聽老師上課
也上台分享,自己是如何 清心寡慾 調參數的我
畢業還能繼續自學,超感動der
感谢老师,真的收获满满。祝愿老师身体健康,每天都开心快乐!
上完這堂課,最大的收穫是,將來被淘汰,至少知道是怎麼s得
很感謝老師的教學
反向研究在AI领域的应用,牛逼!
李老师催更啦,好久没新东西看了哈哈哈哈哈哈
謝謝老師~🎉🎉🎉🎉🎉
Tks for valuable sharing
太精彩了,感谢老师❤
感謝老師,讓我能看影片,渡過基本分😂😂下學期可以LLM為主嗎
very nice tutorial
Genie真是太惊艳了
35:40 如果這邊的圖是訓練時完全沒看過,而且風格差異還這麼大,那這模型的威力確實是超乎想像。
頭香
謝謝老師!
很久以前(上古時代),自己在玩Diffusion Model時只使用過2D latent image+U-net,有嘗試過一點點attention的架構,但很簡陋。請問現在大多已經改成使用Transformer了嗎?
Stable Diffusion3和Sora是用的基于Transformer的DiT架构,但是个人觉得U-net也不过时~
請問是否有合作信箱?
啊?这门课结束了?
下學期聽說會有進階課程