MIT 最新扩散模型课程：从微分方程探索 AIGC 的边界

文章预览

揭秘扩散模型背后的数学理念。 作者丨洪雨欣 编辑丨陈彩娴 3 月 4 日，MIT 计算机系的教授 Peter Holderrieth 和 Ezra Erives 在 YouTube 上传了其最新课程系列“Generative AI with Stochastic Differential Equations”，从数学的角度探讨了当前 AIGC 领域应用最广泛的两种算法：去噪扩散模型和流匹配。 生成模型将噪声逐步转换为数据来生成对象，这一系列的演化过程可以通过模拟常微分方程（ODE）或随机微分方程（SDE）实现。此外，Holderrieth 和 Erives 还讨论了如何利用深度神经网络大规模构建、训练和模拟这些微分方程。 该课程系列一共有 6 个章节，AI 科技评论针对原视频作了不改原意的整理如下： 1 流模型和扩散模型 先让我们定义一下“generate”。 比如我们想要生成一张狗的图片，在这一过程中，存在着一系列“可能是狗”的图片。 在机器学习中，通常将这种“可 ………………………………