扩散模型 生成式AI模型的理论、应用与代码实践
正版保障 假一赔十 电子发票
￥ 49.04 5.5折 ￥ 89 全新
库存25件
四川成都
认证卖家担保交易快速发货售后保障
作者杨灵等
出版社电子工业出版社
ISBN9787121459856
出版时间2023-08
装帧平装
开本16开
定价89元
货号1203006453
上书时间2024-12-22
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"杨灵
北京大学博士在读，研究兴趣是机器学习和生成式AI，作为第一作者在ICML、CVPR等人工智能顶会、顶刊发表过多篇论文，长期担任TPAMI、ICML、NeurIPS、CVPR、KDD、AAAI等多个很好学术会议或期刊的程序委员会成员、审稿人。现与OpenAI、斯坦福大学等AI研究机构进行长期的科研合作。曾获北京大学国家奖学金、学术创新奖、三好学生等奖项。
张至隆
北京大学硕士在读，本科毕业于北京大学数学科学学院，研究兴趣是扩散模型。曾获北京大学国琴奖学金、优秀毕业生、三好学生等奖项。
张文涛
蒙特利尔学习算法研究所（Mila）博士后研究员。博士毕业于北京大学计算机学院，师从崔斌教授。研究兴趣为大规模图学习，作为第一作者在机器学习、数据挖掘和数据库等领域发表论文10余篇。曾获Apple PhD Fellowship、WAIC云帆奖和北京大学优秀博士学位论文等奖项。
崔斌
北京大学计算机学院教授、博士生导师、北京大学计算机学院副院长。担任中国计算机学会数据库专委会副主任，VLDB理事会理事，IEEE TKDE、VLDB Journal、DAPD等国际期刊编委。中国计算机学会杰出会员、IEEE高级会员、ACM会员，2016年入选教育部长江学者特聘教授。"
目录
第1章AIGC与相关技术
1.1AIGC简介
1.2扩散模型简介
第2章扩散模型基础
2.1去噪扩散概率模型
2.2基于分数的生成模型
2.3随机微分方程
2.4扩散模型的架构
第3章扩散模型的高效采样
3.1微分方程
3.2确定性采样
3.2.1SDE求解器
3.2.2ODE求解器
3.3基于学习的采样
3.3.1离散方式
3.3.2截断扩散
3.3.3知识蒸馏
第4章扩散模型的似然优选化
4.1似然函数优选化
4.2加噪策略优化
4.3逆向方差学习
4.4准确的对数似然估计
第5章将扩散模型应用于具有特殊结构的数据
5.1离散数据
5.2具有不变性结构的数据
5.3具有流形结构的数据
5.3.1流形已知
5.3.2流形未知
第6章扩散模型与其他生成模型的关联
6.1变分自编码器与扩散模型
6.2生成对抗网络与扩散模型
6.3归一化流与扩散模型
6.4自回归模型与扩散模型
6.5基于能量的模型与扩散模型
第7章扩散模型的应用
7.1无条件扩散模型与条件扩散模型
7.2计算机视觉
7.2.1图像超分辨率、图像修复和图像翻译
7.2.2语义分割
7.2.3视频生成
7.2.4点云补全和点云生成
7.2.5异常检测
7.3自然语言处理
7.4时间数据建模
7.4.1时间序列插补
7.4.2时间序列预测
7.5多模态学习
……
内容摘要
本书全面介绍了扩散模型这种新兴的深度生成模型在各个领域的应用，其内容包括AIGC与相关技术、扩散模型基础、扩散模型的高效采样、扩散模型的似然优选化、将扩散模型应用于具有特殊结构的数据、扩散模型与其他生成模型的关联、扩散模型的应用、扩散模型的未来等。本书旨在提供一个情景，帮助读者深入了解扩散模型，确定扩散模型的关键研究领域，以及适合未来进一步探索的研究领域。
本书适合高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读。
主编推荐
"l具备研究价值和商业价值的SOTA模型
l解密DALL·E 2、Stable Diffusion、Midjourney等一众热门应用的核心技术
l清华、北大众学者力荐的扩散模型参考用书
l建议用作计算机科学、人工智能、医学及生物学交叉学科专业教材
l配套可运行的代码资源"
媒体评论
"扩散模型是最近几年人工智能领域的重要突破之一。本书不仅罗列了众多闻名学界和业界的扩散模型，还聚焦了扩散模型在AIGC领域的多种应用，探讨了扩散模型与GPT大模型的关联和未来发展，既有技术前沿性，又有业务实用性。
王小川 搜狗创始人、搜狗公司前CEO、搜狐前高级副总裁兼CTO
本书作者在生成式AI和扩散模型等领域有着长期的研究和实践积累。本书内容丰富，兼具广度和深度，可供高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读。
朱军 清华大学计算机系教授、清华大学人工智能研究院副院长
扩散模型有着巨大的研究价值和商业价值。本书由多位专家、学者联合撰写，为读者提供了深入浅出的理论介绍和代码实践指导，帮助读者建立起对扩散模型的基础理论框架。读者可以通过该书了解到扩散模型的应用和前沿进展，包括和GPT大模型的关联等。有助于读者将扩散模型应用于实际工作中。
文继荣 中国人民大学高瓴人工智能学院执行院长、信息学院院长
我非常乐意将本书推荐给在校本科生、研究生和博士生阅读。本书详细阐述了扩散模型的基础理论，以及相关应用，具有极高的专业性和实用性。此外，对于GPT及其他大模型的深入讨论，以及对这些模型是如何在扩散模型中应用的介绍，无疑为本书增添了更高的研究价值和参考价值。
代季峰 清华大学电子工程系副教授、商汤科技前执行研究总监
本书据我所知是该领域中第一本系统介绍扩散模型的参考书。本书为读者提供了理论和实践两个方面的指导，详细介绍了扩散模型的基础知识、高效采样、参数估计等技术，以及针对离散数据和流形数据的拓展等。此外，该书还结合大语言模型GPT展望了生成模型的未来发展。这是一本具有权威性的关于扩散模型的参考书，适合科研人员、高校师生和企业开发者阅读。
顾全全 UCLA计算机系副教授、斯隆研究奖获得者
本书介绍了扩散模型的研究成果和实际应用，包括扩散模型在文生图和“AI for Science”中的应用案例等。无论是学术研究者、计算机程序开发者，还是对生成式AI感兴趣的普通读者，本书都可以帮助你更好地理解、研究和使用扩散模型。
唐建 蒙特利尔大学算法研究所（Mila）副教授、加拿大高等研究院（CIFAR）讲席教授
无论是对学术研究者，还是对希望了解并应用AI技术的工程师，本书都提供了极其宝贵的资源。本书详细阐述了扩散模型的基础理论，以及这些理论是如何扩展至各种现实场景应用的。另外，作者对实际应用案例的深入探讨，如计算机视觉、自然语言处理、鲁棒学习等，为读者提供了实践者的视角和实际操作的经验。
赵越 南加州大学助理教授、卡耐基梅隆大学博士、技术专家“微调”"
— 没有更多了 —
以下为对购买帮助不大的评价