7月10日直播｜算法简单，矫正流，基于直线概率流的超快速Stable Diffusion

主要观点总结

报告介绍了基于直线概率流的超快速Stable Diffusion技术，重点讨论了矫正流算法及其如何应用于生成式模型和无监督数据迁移。报告还涵盖了矫正流的特殊操作重流（Reflow）和如何将矫正流框架扩展到文生图模型Stable Diffusion，并得到一个一步式文生图模型InstaFlow。报告嘉宾刘星超博士的背景和经历也进行了介绍。

关键观点总结

关键观点1: 矫正流算法介绍

报告详细介绍了矫正流算法，这是一个解决使用非配对数据点学习两个分布之间传输映射的问题的算法。该算法符合常微分方程(ODE)，被训练沿着直线路径前进，并使用监督学习和L2目标函数。

关键观点2: 重流操作

报告中介绍了矫正流的特殊操作重流（Reflow），它通过迭代地拉直概率流轨迹，改善噪声和数据点之间的配对，从而提高生成速度。

关键观点3: 矫正流在Stable Diffusion的应用

报告展示了如何将矫正流框架扩展到文生图模型Stable Diffusion，并由此得到一个强大的一步式文生图模型InstaFlow。这显示了矫正流框架在训练基础模型方面的潜力。

关键观点4: 报告嘉宾介绍

报告人刘星超博士的背景和经历介绍，包括毕业于德州大学奥斯汀分校，本科毕业于北京航空航天大学自动化专业，以及在机器学习领域的研究和发表成果。

文章预览

报告主题 ： 基于直线 概率流 的超快速Stable Diffusion 报告日期 ：7月10日（周三）10:00-11:00 在这次演讲中， 我将讨论矫正流 (Rectified Flow) 。这个算法出奇的简单,它解决了使用非配对数据点学习两个分布之间传输映射的问题。这种问题包括生成式模型和无监督数据迁移。 矫正流符合一个常微分方程(ODE),它被训练尽可能沿着直线路径前进,仅使用监督学习和L2 目标函数 。 矫正流有一种特殊的操作，称为重流(Reflow)。它通过迭代地拉直概率流轨迹,同时改善噪声和数据点之间的配对来提高生成速度。此外,我还将分享我们如何将矫正流框架扩展到大规模LAION数据集和文生图模型Stable Diffusion,从而得到一个强大的一步式文生图模型,名为InstaFlow。这显示了矫正流框架在训练基础模型方面的潜力。 报告嘉宾 ： 刘星超博士毕业于德州大学奥斯汀分校，导师是刘强教 ………………………………