温和的走进生成式AI【从VAE到Flow Matching】
Description
视频中部分素材源自B站@RethinkFun 和MIT 6.S184 An Introduction to Flow Matching and Diffusion Models 以后入组的RA就有福了,看完视频再入组 四月有好多事情,看情况还可以再出一些鸽单
视频中部分素材源自B站@RethinkFun 和MIT 6.S184 An Introduction to Flow Matching and Diffusion Models 以后入组的RA就有福了,看完视频再入组 四月有好多事情,看情况还可以再出一些鸽单
Comments
温和地走进宇宙 [doge_金箍] vs 动手学宇宙
♥ 29 ↩ 2
作者大大,我了解到Diffusion Policy中的每一次训练过程中,时间步T是在推理预设总步数范围内随机采样,网络预测的是加噪到这个随机时间步的噪声。随着训练的轮次的累积到足够大,随机采样的时间步会覆盖到预设范围内(比如推理需要去噪1000次,训练则是每次在1000内随机采样一个步骤)的所有时间步。从推理的源码上来看,推理是一个自回归的,每个时间步上都需要预测网络的前馈,也意味着其实去噪过程中不同时间步上需要去除的噪声是不一致的。但是作者大大,你的第16页PPT里面1000步和999步用的是同一个ε,让我有点误解是不是每个时间步预测的都是同样的ε嘛?
♥ 4 ↩ 1
贵组的开场白整活是什么传统艺能吗[doge]
♥ 5
大致扫了一遍,讲得真不错,想详细了解flow-matching、guided generation相关数学推导的xd可以去看看mit的diffusion model的课,讲得更详细、清晰一点
♥ 3 ↩ 1
讲的不好,不建议听。
♥ 3 ↩ 1
算是把rethinkfun大佬的东西都拿来了哈哈哈
♥ 2
@MilkyAi 总结视频内容,发到我的邮箱。带上视频的原始链接
♥ 1
不要试图让我理解ai,让ai去理解我们吧[脱单doge]
♥ 1
竟然还有录屏说是[doge]
♥ 1
[呲牙][呲牙][呲牙][打call][打call][打call][喜欢][喜欢][喜欢]
♥ 1
想看 wam
↩ 1
跪求这个系列继续更新[打call][打call]
↩ 1
@MilkyAi 总结视频内容发我邮箱,带上视频的原始链接
↩ 1
@MilkyAi 把字幕翻译成中文之后,在最后做个总结,发我私信和邮箱
收藏大于点赞的含金量
已三连,可以分享一下PPT吗?
↩ 4
数学部分听不懂,还是差基础。别的大致框架理解了
[打call]
[疼][疼][疼][热][热][热][冷][冷][冷]