摘要：她与大家分享的主题是:“LOTUS - 如何更好的利用生成模型的先验知识实现快速且准确的密集预测”，届时她将对用于图像生成的扩散模型进行系统性的分析，并提出LOTUS，通过改进扩散模型的参数化方式和引入单步范式与细节保留机制，在非常少的训练数据下实现高效、精细
本期为TechBeat人工智能社区第686期线上Talk。
北京时间5 月22日(周四)20:00，香港科技大学(广州)博士生何晶的Talk将准时在TechBeat人工智能社区开播！
她与大家分享的主题是: “LOTUS - 如何更好的利用生成模型的先验知识实现快速且准确的密集预测”，届时她将对用于图像生成的扩散模型进行系统性的分析，并提出LOTUS，通过改进扩散模型的参数化方式和引入单步范式与细节保留机制，在非常少的训练数据下实现高效、精细的Zero-shot密集预测。
Talk·信息
▼
主题：LOTUS - 如何更好的利用生成模型的先验知识实现快速且准确的密集预测
嘉宾：香港科技大学(广州) · 博士生 - 何晶
时间：北京时间 5月22日(周四)20:00
地点：TechBeat人工智能社区
一键预约TALK！
Talk·介绍
▼
当前的密集预测任务（如单目深度估计和法线估计）在许多视觉应用中至关重要，但其性能往往受限于数据量和模型泛化能力。近年来，预训练文本-图像扩散模型展现出强大的视觉先验能力，有望在Zero-shot密集预测中实现突破。然而，大多数现有方法直接迁移图像生成的扩散架构，忽略了密集预测任务的特点，导致效率低下、预测不稳定等问题。本文对原本用于图像生成的扩散模型进行了系统性的分析，并提出LOTUS，通过改进扩散模型的参数化方式和引入单步范式与细节保留机制，在非常少的训练数据下实现了高效、精细的Zero-shot密集预测。
Talk大纲
1. 简要介绍
2. 相关工作 & 动机
3. 方法（对扩散模型进行三方面的分析）
4. 实验
Talk·预习资料
▼
论文链接：
论文链接：
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
▼
何晶
香港科技大学(广州) · 博士生
香港科技大学（广州）博士二年级学生，主要研究方向为视觉生成模型，图像生成和3D视觉。目前已经在ECCV、ICLR、CVPR和AAAI等顶级会议上发表多篇论文。
个人主页:
https://www.techbeat.net/grzytrkj?id=42603
-The End-
如果你也想成为讲者
▼
自荐 / 推荐
单人Talk | 团队专场 | 录播or直播 | 闭门交流
多种方式任你选择！
推荐讲者成功也有奖励哦~
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
预约本期Talk
来源：科学观察员
