本期为TechBeat人工智能社区第603期线上Talk。
北京时间6月26日(周三)20:00,北京大学PKU-DAIR实习生—余昭辰的Talk已经准时在TechBeat人工智能社区开播!
他与大家分享的主题是: “从多模态理解到生成 - 从LLM到Diffusion Model”,在本次Talk中,他向大家介绍了PKU-DAIR课题组在大语言模型和扩散模型两个领域上的最新研究成果,并提出将LLM和Diffusion Model进行结合的新思路。
Talk·信息
▼
主题: 从多模态理解到生成 - 从LLM到Diffusion Model
嘉宾:北京大学PKU-DAIR实习生 余昭辰
时间:北京时间 6月26日(周三)20:00
地点:TechBeat人工智能社区
点击下方链接,即可观看视频!
Talk·介绍
▼
大语言模型(Large Language Models, LLMs)与扩散模型(Diffusion Models)都是生成模型,可以根据输入条件生成新的数据样本。大语言模型主要生成文本,扩散模型生成图像或其他形式的数据。两者都是当前人工智能研究的热点领域,LLM/MLLM更侧重于多模态数据的理解与推理,而Diffusion Model更侧重于生成多模态数据,建模其分布。本次talk将介绍本课题组在两个领域上的最新研究成果,并提出将LLM和Diffusion Model进行结合的新思路。
Talk大纲
1. 增强大语言模型推理的思维缓存方法——Buffer of Thought
2. 将扩散模型用于不同数据建模生成:
(1)文生视频——ContextDiff;
(2)文生3D——IPDreamer;
(3)3D小分子药物设计——IRDiff
3. 将LLM与Diffusion Model进行结合,用于复杂多模态数据生成:
(1)组合式/长文本文生图——RPG;
(2)组合式/复杂文生视频——VideoTetris;
(3)拥有世界知识的图形编辑器——EditWorld
Talk·预习资料
▼
论文链接:
https://arxiv.org/abs/2406.04271
项目名称:
Buffer of Thoughts: Thought-Augmented Reasoning with Large Language Models
项目链接:
https://github.com/YangLing0818/buffer-of-thought-llm
论文链接:
https://openreview.net/forum?id=nFMS6wF2xq
项目名称:
Cross-Modal Contextualized Diffusion Models for Text-Guided Visual Generation and Editing - ICLR 2024
项目链接:
https://github.com/YangLing0818/ContextDiff
论文链接:
https://arxiv.org/2310.05375
项目名称:
IPDreamer: Appearance-Controllable 3D Object Generation with Complex Image Prompts
项目链接:
https://github.com/YangLing0818/IPDreamer
论文链接:
https://openreview.net/forum?id=eejhD9FCP3
项目名称:
Interaction-based Retrieval-augmented Diffusion Models for Protein-specific 3D Molecule Generation (ICML 2024)
项目链接:
https://github.com/YangLing0818/IRDiff
论文链接:
https://arxiv.org/2401.11708
项目名称:
Mastering Text-to-Image Diffusion: Recaptioning, Planning, and Generating with Multimodal LLMs - ICML 2024
项目链接:
https://github.com/YangLing0818/RPG-DiffusionMaster
论文链接:
https://arxiv.org/2406.04277
项目名称:
VideoTetris: Towards Compositional Text-To-Video Generation
项目链接:
https://github.com/YangLing0818/VideoTetris
论文链接:
https://arxiv.org/2405.14785
项目名称:
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
项目链接:
https://github.com/YangLing0818/EditWorld
Talk·提问交流
▼
在Talk界面下的【交流区】参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,被讲者直接翻牌解答!
你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!
Talk·嘉宾介绍
▼
余昭辰
北京大学PKU-DAIR · 实习生
余昭辰,北京大学数据与智能实验室(PKU-DAIR)本科实习生,研究方向为扩散模型与大模型,已在ICLR、ICML等顶会上一作发表两篇论文,担任NeurIPS等顶会审稿人。
个人主页:
https://www.techbeat.net/grzytrkj?id=38118
关于TechBeat人工智能社区
▼
TechBeat(www.techbeat.net)隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!
更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区