擴散模型:生成式 AI 模型的理論、應用與代碼實踐

楊靈 等

買這商品的人也買了...

相關主題

商品描述

本書全面介紹了擴散模型這種新興的深度生成模型在各個領域的應用,其內容包括AIGC與相關技術、擴散模型基礎、擴散模型的高效採樣、擴散模型的似然最大化、將擴散模型應用於具有特殊結構的數據、擴散模型與其他生成模型的關聯、擴散模型的應用、擴散模型的未來等。本書旨在提供一個情景,幫助讀者深入瞭解擴散模型,確定擴散模型的關鍵研究領域,以及適合未來進一步探索的研究領域。本書適合高等院校電腦科學、人工智能和醫學、生物學等交叉學科專業的師生,以及相關人工智能應用程序的開發人員閱讀。

目錄大綱

第1 章 AIGC 與相關技術
1.1 AIGC 簡介
1.2 擴散模型簡介
第2 章 擴散模型基礎
2.1 去噪擴散概率模型
2.2 基於分數的生成模型
2.3 隨機微分方程
2.4 擴散模型的架構
第3 章 擴散模型的高效採樣
3.1 微分方程
3.2 確定性採樣
3.2.1 SDE 求解器
3.2.2 ODE 求解器
3.3 基於學習的採樣
3.3.1 離散方式
3.3.2 截斷擴散
3.3.3 知識蒸餾
第4 章 擴散模型的似然最大化
4.1 似然函數最大化
4.2 加噪策略優化
4.3 逆向方差學習
4.4 精確的對數似然估計
第5 章 將擴散模型應用於具有特殊結構的數據
5.1 離散數據
5.2 具有不變性結構的數據
5.3 具有流形結構的數據
5.3.1 流形已知
5.3.2 流形未知
第6 章 擴散模型與其他生成模型的關聯
6.1 變分自編碼器與擴散模型
6.2 生成對抗網絡與擴散模型
6.3 歸一化流與擴散模型
6.4 自回歸模型與擴散模型
6.5 基於能量的模型與擴散模型
第7 章 擴散模型的應用
7.1 無條件擴散模型與條件擴散模型
7.2 電腦視覺
7.2.1 圖像超分辨率、圖像修復和圖像翻譯
7.2.2 語義分割
7.2.3 視頻生成
7.2.4 點雲補全和點雲生成
7.2.5 異常檢測
7.3 自然語言處理
7.4 時間數據建模
7.4.1 時間序列插補
7.4.2 時間序列預測
7.5 多模態學習
7.5.1 文本到圖像的生成
7.5.2 文本到音頻的生成
7.5.3 場景圖到圖像的生成
7.5.4 文本到3D 內容的生成
7.5.5 文本到人體動作的生成
7.5.6 文本到視頻的生成
7.6 魯棒學習
7.7 跨學科應用
7.7.1 人工智能藥物研發
7.7.2 醫學影像
第8 章 擴散模型的未來——GPT 及大模型
8.1 預訓練技術簡介
8.1.1 生成式預訓練和對比式預測練
8.1.2 並行訓練技術
8.1.3 微調技術
8.2 GPT 及大模型
8.2.1 GPT-1
8.2.2 GPT-2
8.2.3 GPT-3 和大模型
8.2.4 InstructGPT 和ChatGPT
8.2.5 Visual ChatGPT
8.3 基於GPT 及大模型的擴散模型
8.3.1 算法研究
8.3.2 應用範式
相關資料說明