AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：MSRA：視覺生成六大技術(shù)問題
關(guān)鍵字：模型,圖像,噪聲,任務(wù),損失
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

古紓旸 投稿量子位 | 公眾號(hào) QbitAI文生圖、文生視頻，視覺生成賽道火熱，但仍存在亟需解決的問題。
微軟亞洲研究院研究員古紓旸對(duì)此進(jìn)行了梳理，他認(rèn)為視覺信號(hào)拆分是最本質(zhì)的問題。
生成模型的目標(biāo)是擬合目標(biāo)數(shù)據(jù)分布，然而，目標(biāo)數(shù)據(jù)分布過于復(fù)雜，難以直接擬合。
因此，往往需要將復(fù)雜的信號(hào)做拆分，拆分成多個(gè)簡(jiǎn)單的分布擬合問題，再分別求解。信號(hào)拆分方式的不同產(chǎn)生了不同的生成模型。
此外，針對(duì)一些熱點(diǎn)問題他也展開進(jìn)行了分析，一共六大問題，例如diffusion模型是否是最大似然模型？diffusion模型的scaling law是什么樣的？
以下是部分問題的具體討論。
視覺信號(hào)拆分問題為什么大語言模型能這么成功？
作者認(rèn)為，最本質(zhì)的原因是文本信號(hào)拆分具有“等變性”。
具體來說，對(duì)于一個(gè)文本序列A=x0,x1,x2…語言模型會(huì)根據(jù)位置把P(x0,x1,x2…)的聯(lián)合數(shù)據(jù)分布拆分成多個(gè)條件概率分布擬合問題：
P(x0),P(x1|x0),P(x2|x0,x1)…對(duì)于一個(gè)文本，比如說“我喜歡打籃球”，用自回歸的方式進(jìn)行擬合，那么對(duì)于從“打”回歸“籃球”這個(gè)子任務(wù)，和它是文本中的第幾個(gè)詞沒有關(guān)系。

原文鏈接：MSRA：視覺生成六大技術(shù)問題

聯(lián)系作者

文章來源：量子位
作者微信：QbitAI
作者簡(jiǎn)介：追蹤人工智能新趨勢(shì)，關(guān)注科技行業(yè)新突破