顶会审稿人谈“扩散模型”论文中稿“潜规则”

文章预览

扩散模型最近可是出了不少颠覆性成果，其中最亮眼的当属谢赛宁新作——测试时计算Scaling Law ，性能飙到天花板！ 生生为扩散模型开辟了一个全新的赛道！ 在 ImageNet 数据集上，使用不同方法时，模型在 FID（越低越好）和 IS（越高越好）上的性能变化。 作为近两年最火热的方向，扩散模型相关的研究可以说是顶会投稿的焦点（尤其CVPR），其中在下游任务中的应用更甚。 如今，下游任务大多通过Finetuning、Training-free这两种方式来使用大规模文本图像扩散模型，这也是目前该方向的2大主流创新策略。 为方便感兴趣的同学，深度之眼本次邀请了 顶会顶刊审稿人谱老师 ，为我们开发 《大规模文本图像扩散模型在下游任务中的应用》 课程，以 论文讲解+代码领读 的方式，用 4节课 的时间，手把手带领大家掌握扩散模型的关键技术，学习如何基于文本 ………………………………