vivo影像规划预研部研究员官善琰：基于视觉的物理规律反演研究 | 讲座预告

文章预览

文本到图像的扩散模型在文本提示的指导下展示了前所未有的创作能力，例如在视觉艺术、合成数据集构建以及市场营销和广告中的图像编辑等创意工作。然而，基于特定主题生成个性化实例仍然具有挑战性。 为此，vivo影像规划预研部研究员官善琰等提出一种新的框架HybridBooth。该框架融合了基于优化和直接回归方法的优点，创造一种平衡质量和速度的混合方法，从而实现了高效、精确的主题驱动生成。相关论文成果收录于ECCV 2024。 同时，深度学习在模拟复杂粒子系统（如流体）的物理动力学方面显示出巨大的潜力。然而，神经网络是否可以直接从观察到的图像推断流体动力学仍然是一个悬而未决的问题。对此官善琰研究员等提出了神经流体NeuroFluid，其为首个基于粒子的流体动力学的无监督学习解决方案。相关论文成果收录于ICML 2022。 NeuroFluid ………………………………