Agenda der Intelligent Source-Konferenz 2024 enthüllt: Generatives Modell

Forumsagenda

Li Chongxuan, außerordentlicher Professor und Doktorvater an der Hillhouse School of Artificial Intelligence der Renmin-Universität. Er erhielt seinen Bachelor- und Doktorgrad von 2010 bis 2019 an der Tsinghua-Universität. Die repräsentativen Arbeiten konzentrieren sich hauptsächlich auf maschinelles Lernen und tiefe generative Modelle und werden am großen Text-zu-Bild-Modell DALL·E 2, Stable Diffusion und am großen Text-zu-Video-Modell ViDu durchgeführt. Er hat den International Conference ICLR Best Paper Award, den Wu Wenjun Outstanding Youth Award, den Wu Wenjun Artificial Intelligence First Prize und die China Computer Federation Outstanding Doctoral Thesis gewonnen. Er wurde in den Boxin-Plan und den Beijing Science and Technology Star aufgenommen und leitete und beteiligte sich an vielen Projekten der National Natural Science Foundation und des Ministeriums für Wissenschaft und Technologie. War Vorsitzender internationaler Konferenzen wie ICLR und NeurIPS. Chen Jianfei, außerordentlicher Professor an der Tsinghua-Universität 2019 bzw. gearbeitet und mit gearbeitet die TSAIL-Gruppe arbeitete mit Professor Zhu Jun zusammen. Seine Forschungsinteressen umfassen effizientes maschinelles Lernen, insbesondere quantisierte neuronale Netze, stochastische Optimierungsalgorithmen und probabilistische Inferenzalgorithmen. In der Vergangenheit hat er auch mehrere skalierbare Themenmodell-Trainingssysteme entwickelt. Im Jahr 2019 gewann Chen Jianfei für seine herausragende Arbeit den CCF Outstanding Doctoral Thesis Award. Außerdem gewann er 2009 die Goldmedaille bei der Informatikolympiade in China. Im Jahr 2018 war Chen Jianfei Mitbegründer von RealAI, ein bemerkenswerter Erfolg in seiner Karriere.

Redethema und Gastvorstellung

Anders als bei der Bildgenerierung steht die Videogenerierung vor großen Herausforderungen hinsichtlich der Inhaltskonsistenz, der langen Videogenerierung und dem Verbrauch von Rechenressourcen. Allerdings hat die Videoerzeugung auch im Jahr 2023 eine rasante Entwicklung erreicht, mit dem Aufkommen hervorragender Modelle wie Stable Video Diffusion, Runway Gen-2, Video Diffusion Transformer und Sora. Dieser Bericht stellt zunächst die aktuellen Herausforderungen der Videogenerierung vor, stellt dann ausführlich die neuesten hervorragenden Videogenerierungsmodelle vor und gibt abschließend einen Ausblick auf die technologische Entwicklung der Videogenerierung.

2, visuelle autoregressive Modellierung: skalierbare Bildgenerierung über die Vorhersage der nächsten Ebene Visual Tokenizer wird mit Transformer kombiniert, um Next Scale Prediction zu implementieren, das erstmals eine autoregressive visuelle Generierung im GPT-Stil ermöglicht, Diffusion in Bezug auf Wirkung, Geschwindigkeit und Skalierungsfähigkeiten übertrifft und Skalierungsgesetze im Bereich der visuellen Generierung einführt Durch das Teilen erhalten Sie eine Einführung in das klassische Diffusionsmodell und den innovativen Fortschritt des Auto-Regressiv-Modells, das in letzter Zeit die Aufmerksamkeit aller auf sich gezogen hat.

Jiang Yi, ByteDance GenAI-Forscher

Jiang Yi, ByteDance GenAI-Forscher, Absolvent der Zhejiang-Universität. Zu seinen repräsentativen Arbeiten gehören Sparse R-CNN, ByteTrack, UNINEXT usw. Seine aktuellen Forschungsinteressen liegen hauptsächlich in der Forschung und Entwicklung von Basismodellen für Computer Vision und visuelle Generierung. Er hat mehr als 30 Artikel in Konferenzen und Fachzeitschriften wie CVPR, ICCV, NeurIPS, ICLR, ICML, ECCV usw. veröffentlicht die in Oral, Spotlight, aufgenommen wurden. Seine Arbeit ist Open Source auf Github und hat 20.000 Sterne gesammelt.

Gu Shuyan, ein Forscher in der Visual Computing Group von Microsoft Research Asia

Gu Shuyan, erhielt seinen Bachelor-Abschluss in Automatisierungsabteilung der University of Science and Technology of China im Jahr 2017 bzw. 2022, derzeit Forscher in der Visual Computing Group von Microsoft Research Asia. Sein Forschungsschwerpunkt sind generative Modelle im Bereich Computer Vision. Zu den Forschungsinteressen zählen vor allem die Theorie und Anwendung generativer kontradiktorischer Netzwerke und Diffusionsmodelle, die Erforschung einer neuen Generation generativer Modelle sowie die Qualitätsbewertung generativer Modelle. Er hat viele Artikel auf CVPR-, ICCV-, ECCV- und anderen Konferenzen veröffentlicht und war als Gutachter für viele Konferenzen und Zeitschriften tätig. Persönliche Homepage: https://cientgu.github.io/

Deng Zhijie, Assistenzprofessor am Qingyuan Research Institute, Shanghai Jiao Tong University

Das obige ist der detaillierte Inhalt vonAgenda der Intelligent Source-Konferenz 2024 enthüllt: Generatives Modell. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!