MSRA：視覺生成六大技術問題

AIGC動態歡迎閱讀

原標題：MSRA：視覺生成六大技術問題
關鍵字：模型,圖像,噪聲,任務,損失
文章來源：量子位
內容字數：0字

內容摘要：

古紓旸 投稿量子位 | 公眾號 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此進行了梳理，他認為視覺信號拆分是最本質的問題。
生成模型的目標是擬合目標數據分布，然而，目標數據分布過于復雜，難以直接擬合。
因此，往往需要將復雜的信號做拆分，拆分成多個簡單的分布擬合問題，再分別求解。信號拆分方式的不同產生了不同的生成模型。
此外，針對一些熱點問題他也展開進行了分析，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。
視覺信號拆分問題為什么大語言模型能這么成功？
作者認為，最本質的原因是文本信號拆分具有“等變性”。
具體來說，對于一個文本序列A=x0,x1,x2…語言模型會根據位置把P(x0,x1,x2…)的聯合數據分布拆分成多個條件概率分布擬合問題：
P(x0),P(x1|x0),P(x2|x0,x1)…對于一個文本，比如說“我喜歡打籃球”，用自回歸的方式進行擬合，那么對于從“打”回歸“籃球”這個子任務，和它是文本中的第幾個詞沒有關系。

原文鏈接：MSRA：視覺生成六大技術問題

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破