강연 / 세미나
MINDS Seminar
| 분야Field | |||
|---|---|---|---|
| 날짜Date | 2024-02-21 ~ 2024-02-21 | 시간Time | 16:00 ~ 18:00 |
| 장소Place | Math Bldg.404&Online streaming (Zoom) | 초청자Host | |
| 연사Speaker | U-Jin Choi | 소속Affiliation | KAIST |
| TOPIC | MINDS Seminar | ||
| 소개 및 안내사항Content | Title : Denoising Diffusion Probability Models(DDPM) and Consistency Models Speaker : U-Jin Choi (KAIST) Abstract : Ho 교수팀이 2020에 발표한 DDPM은 Discrete- Time 생성모델의 새로운 방향과 성능을 제시한 연구로 이후 다양한 형태의 후속연구가 발표 되고 있으며 알고리즘의 가속화 연구와 응용연구가 발표 되고 있습니다. 이 논문에서 유도 된 유용한 등식과 Variational Lower Bound 최적화 하는 전과정을 심층분석및 토의가 있겠습니다. 한편 Song et al은 2021에 DDPM을 Continuous-Time으로 확장한 Score-Based Generative Modeling through SDE의 느린알고리즘 속도를 가속화 한 Consistency Models을 제시하였습니다. Consistency Models은 Song이 제시한 Probability Flow ODE에서 출발한 알고리즘으로 자신들이 제시한 SDE기반 연속시간 생성모델 알고리즘을 가속화 한 연구입니다. 원리는 매우 단순 하지만 응용성이 매우 다양하므로 세밀한 분석과토의로 진행 됩니다. |
||
| 학회명Field | MINDS Seminar | ||
|---|---|---|---|
| 날짜Date | 2024-02-21 ~ 2024-02-21 | 시간Time | 16:00 ~ 18:00 |
| 장소Place | Math Bldg.404&Online streaming (Zoom) | 초청자Host | |
| 소개 및 안내사항Content | Title : Denoising Diffusion Probability Models(DDPM) and Consistency Models Speaker : U-Jin Choi (KAIST) Abstract : Ho 교수팀이 2020에 발표한 DDPM은 Discrete- Time 생성모델의 새로운 방향과 성능을 제시한 연구로 이후 다양한 형태의 후속연구가 발표 되고 있으며 알고리즘의 가속화 연구와 응용연구가 발표 되고 있습니다. 이 논문에서 유도 된 유용한 등식과 Variational Lower Bound 최적화 하는 전과정을 심층분석및 토의가 있겠습니다. 한편 Song et al은 2021에 DDPM을 Continuous-Time으로 확장한 Score-Based Generative Modeling through SDE의 느린알고리즘 속도를 가속화 한 Consistency Models을 제시하였습니다. Consistency Models은 Song이 제시한 Probability Flow ODE에서 출발한 알고리즘으로 자신들이 제시한 SDE기반 연속시간 생성모델 알고리즘을 가속화 한 연구입니다. 원리는 매우 단순 하지만 응용성이 매우 다양하므로 세밀한 분석과토의로 진행 됩니다. |
||
| 성명Field | MINDS Seminar | ||
|---|---|---|---|
| 날짜Date | 2024-02-21 ~ 2024-02-21 | 시간Time | 16:00 ~ 18:00 |
| 소속Affiliation | KAIST | 초청자Host | |
| 소개 및 안내사항Content | Title : Denoising Diffusion Probability Models(DDPM) and Consistency Models Speaker : U-Jin Choi (KAIST) Abstract : Ho 교수팀이 2020에 발표한 DDPM은 Discrete- Time 생성모델의 새로운 방향과 성능을 제시한 연구로 이후 다양한 형태의 후속연구가 발표 되고 있으며 알고리즘의 가속화 연구와 응용연구가 발표 되고 있습니다. 이 논문에서 유도 된 유용한 등식과 Variational Lower Bound 최적화 하는 전과정을 심층분석및 토의가 있겠습니다. 한편 Song et al은 2021에 DDPM을 Continuous-Time으로 확장한 Score-Based Generative Modeling through SDE의 느린알고리즘 속도를 가속화 한 Consistency Models을 제시하였습니다. Consistency Models은 Song이 제시한 Probability Flow ODE에서 출발한 알고리즘으로 자신들이 제시한 SDE기반 연속시간 생성모델 알고리즘을 가속화 한 연구입니다. 원리는 매우 단순 하지만 응용성이 매우 다양하므로 세밀한 분석과토의로 진행 됩니다. |
||
| 성명Field | MINDS Seminar | ||
|---|---|---|---|
| 날짜Date | 2024-02-21 ~ 2024-02-21 | 시간Time | 16:00 ~ 18:00 |
| 호실Host | 인원수Affiliation | U-Jin Choi | |
| 사용목적Affiliation | 신청방식Host | KAIST | |
| 소개 및 안내사항Content | Title : Denoising Diffusion Probability Models(DDPM) and Consistency Models Speaker : U-Jin Choi (KAIST) Abstract : Ho 교수팀이 2020에 발표한 DDPM은 Discrete- Time 생성모델의 새로운 방향과 성능을 제시한 연구로 이후 다양한 형태의 후속연구가 발표 되고 있으며 알고리즘의 가속화 연구와 응용연구가 발표 되고 있습니다. 이 논문에서 유도 된 유용한 등식과 Variational Lower Bound 최적화 하는 전과정을 심층분석및 토의가 있겠습니다. 한편 Song et al은 2021에 DDPM을 Continuous-Time으로 확장한 Score-Based Generative Modeling through SDE의 느린알고리즘 속도를 가속화 한 Consistency Models을 제시하였습니다. Consistency Models은 Song이 제시한 Probability Flow ODE에서 출발한 알고리즘으로 자신들이 제시한 SDE기반 연속시간 생성모델 알고리즘을 가속화 한 연구입니다. 원리는 매우 단순 하지만 응용성이 매우 다양하므로 세밀한 분석과토의로 진행 됩니다. |
||
Admin
·
2024-02-19 09:51 ·
조회 236 
