Agenda der Intelligent Source-Konferenz 2024 enthüllt: Generatives Modell

Am 14. und 15. Juni 2024 findet die 6. Beijing Zhiyuan Conference in einer Kombination aus Offline und Online statt. Der Offline-Veranstaltungsort wird im Zhongguancun National Independent Innovation Demonstration Zone Conference Center stattfinden. Die Zhiyuan-Konferenz 2024 bringt erneut herausragende Forscher des Jahres mit einer globalen Perspektive zusammen, um neue Ideen auszutauschen, neue Ideen zu erkunden und neue Grenzen zu erschließen. Die Registrierungskanäle sind jetzt offiziell geöffnet. Countdown zur Pekinger Zhiyuan-Konferenz: 11 Tage

Generierungsfunktionsmodellierung ist die Grundlage der künstlichen Intelligenz. Eine davon Paradigmen ist ein wichtiger Schritt in Richtung allgemeiner künstlicher Intelligenz. Mit der rasanten Entwicklung generativer Modellierungsmethoden und dem rasanten Wachstum des Modellmaßstabs wird generative künstliche Intelligenz (wie GPT-Reihen, Sora, Stable Diffusion usw.), dargestellt durch autoregressive Modelle und Diffusionswahrscheinlichkeitsmodelle, häufig in Texten, Bildern usw. verwendet. Videos: In wichtigen Bereichen wie der Cross-Modalität wurden eine Reihe von Durchbrüchen erzielt. Dieses Forum konzentriert sich auf die zukünftige Entwicklung der generativen probabilistischen Modellierung. Vier Experten und Wissenschaftler an vorderster Front der generativen künstlichen Intelligenz sind eingeladen, die neuesten Fortschritte der generativen Modellierung zu teilen und zu diskutieren, wie eine multimodale einheitliche generative Modellierungsmethode und andere wichtige Zukunftsmethoden aufgebaut werden können Probleme.

Forumsagenda

Forumsvorsitzender

Fellow an der Renmin University of China, außerordentlicher Professor, School of Artificial Intelligence

Li Chongxuan, außerordentlicher Professor und Doktorvater an der Hillhouse School of Artificial Intelligence der Renmin-Universität. Er erhielt seinen Bachelor- und Doktorgrad von 2010 bis 2019 an der Tsinghua-Universität. Die repräsentativen Arbeiten konzentrieren sich hauptsächlich auf maschinelles Lernen und tiefe generative Modelle und werden am großen Text-zu-Bild-Modell DALL·E 2, Stable Diffusion und am großen Text-zu-Video-Modell ViDu durchgeführt. Er hat den International Conference ICLR Best Paper Award, den Wu Wenjun Outstanding Youth Award, den Wu Wenjun Artificial Intelligence First Prize und die China Computer Federation Outstanding Doctoral Thesis gewonnen. Er wurde in den Boxin-Plan und den Beijing Science and Technology Star aufgenommen und leitete und beteiligte sich an vielen Projekten der National Natural Science Foundation und des Ministeriums für Wissenschaft und Technologie. War Vorsitzender internationaler Konferenzen wie ICLR und NeurIPS. Chen Jianfei, außerordentlicher Professor an der Tsinghua-Universität 2019 bzw. gearbeitet und mit gearbeitet die TSAIL-Gruppe arbeitete mit Professor Zhu Jun zusammen. Seine Forschungsinteressen umfassen effizientes maschinelles Lernen, insbesondere quantisierte neuronale Netze, stochastische Optimierungsalgorithmen und probabilistische Inferenzalgorithmen. In der Vergangenheit hat er auch mehrere skalierbare Themenmodell-Trainingssysteme entwickelt. Im Jahr 2019 gewann Chen Jianfei für seine herausragende Arbeit den CCF Outstanding Doctoral Thesis Award. Außerdem gewann er 2009 die Goldmedaille bei der Informatikolympiade in China. Im Jahr 2018 war Chen Jianfei Mitbegründer von RealAI, ein bemerkenswerter Erfolg in seiner Karriere.

Redethema und Gastvorstellung

(in der Reihenfolge des Vortrags)

1,

vor der Videogenerierung

entlang des. Fortschritts

Einleitung zum Bericht:

Anders als bei der Bildgenerierung steht die Videogenerierung vor großen Herausforderungen hinsichtlich der Inhaltskonsistenz, der langen Videogenerierung und dem Verbrauch von Rechenressourcen. Allerdings hat die Videoerzeugung auch im Jahr 2023 eine rasante Entwicklung erreicht, mit dem Aufkommen hervorragender Modelle wie Stable Video Diffusion, Runway Gen-2, Video Diffusion Transformer und Sora. Dieser Bericht stellt zunächst die aktuellen Herausforderungen der Videogenerierung vor, stellt dann ausführlich die neuesten hervorragenden Videogenerierungsmodelle vor und gibt abschließend einen Ausblick auf die technologische Entwicklung der Videogenerierung.

Lu Zhiwu, Professor der Renmin University of China

Dr. Lu Zhiwu, Professor und Doktorvater an der Hillhouse School of Artificial Intelligence, Renmin University of China. Im Jahr 2005 schloss er sein Studium an der Abteilung für Informationswissenschaft der Fakultät für Mathematische Wissenschaften der Universität Peking mit einem Master of Science ab; 2011 schloss er sein Studium mit einem Ph.D. an der Fakultät für Informatik der City University of Hong Kong ab. Seine Forschungsrichtung ist maschinelles Lernen und Computer Vision. Entwerfen Sie das erste chinesische universelle multimodale Pre-Training-Modell Wenlan BriVL. Veröffentlichung des ersten Nature-Sub-Journal-Artikels im Bereich Multimodalität. Vor OpenAI wurde die Sora-ähnliche Videogenerierungsbasis VDT veröffentlicht.

2, visuelle autoregressive Modellierung: skalierbare Bildgenerierung über die Vorhersage der nächsten Ebene Visual Tokenizer wird mit Transformer kombiniert, um Next Scale Prediction zu implementieren, das erstmals eine autoregressive visuelle Generierung im GPT-Stil ermöglicht, Diffusion in Bezug auf Wirkung, Geschwindigkeit und Skalierungsfähigkeiten übertrifft und Skalierungsgesetze im Bereich der visuellen Generierung einführt Durch das Teilen erhalten Sie eine Einführung in das klassische Diffusionsmodell und den innovativen Fortschritt des Auto-Regressiv-Modells, das in letzter Zeit die Aufmerksamkeit aller auf sich gezogen hat.

Jiang Yi, ByteDance GenAI-Forscher

Jiang Yi, ByteDance GenAI-Forscher, Absolvent der Zhejiang-Universität. Zu seinen repräsentativen Arbeiten gehören Sparse R-CNN, ByteTrack, UNINEXT usw. Seine aktuellen Forschungsinteressen liegen hauptsächlich in der Forschung und Entwicklung von Basismodellen für Computer Vision und visuelle Generierung. Er hat mehr als 30 Artikel in Konferenzen und Fachzeitschriften wie CVPR, ICCV, NeurIPS, ICLR, ICML, ECCV usw. veröffentlicht die in Oral, Spotlight, aufgenommen wurden. Seine Arbeit ist Open Source auf Github und hat 20.000 Sterne gesammelt.

3 Weit verbreitete Sorge. Mit der Entwicklung der Technologie rücken jedoch zentrale Fragen, die in diesem Bereich gelöst werden müssen, immer stärker in den Vordergrund und erfordern von den Forschern, mehr Energie in eingehende Diskussionen zu investieren. Dieser Bericht zielt darauf ab, mehrere wichtige Probleme in diesem Bereich zu klären und zusammenzufassen und auch die vorläufigen Gedanken und Erkenntnisse des Autors zu den folgenden Themen zu teilen: 1. Das ultimative Streben nach der Erforschung generativer Modelle 2. Das Problem der visuellen Signalaufteilung; Das Dilemma von Tokenizer; 4. Das inhärente Konfliktproblem des Diffusionsmodells. 5. Ob das Diffusionsmodell eine Maximum-Likelihood-Schätzung ist. Der Bericht hofft, dass diese Diskussionen die Aufmerksamkeit der akademischen Gemeinschaft auf sich ziehen und zur Förderung kontinuierlicher Innovation und Entwicklung in diesem Bereich beitragen werden.

Gu Shuyan, ein Forscher in der Visual Computing Group von Microsoft Research Asia

Gu Shuyan, erhielt seinen Bachelor-Abschluss in Automatisierungsabteilung der University of Science and Technology of China im Jahr 2017 bzw. 2022, derzeit Forscher in der Visual Computing Group von Microsoft Research Asia. Sein Forschungsschwerpunkt sind generative Modelle im Bereich Computer Vision. Zu den Forschungsinteressen zählen vor allem die Theorie und Anwendung generativer kontradiktorischer Netzwerke und Diffusionsmodelle, die Erforschung einer neuen Generation generativer Modelle sowie die Qualitätsbewertung generativer Modelle. Er hat viele Artikel auf CVPR-, ICCV-, ECCV- und anderen Konferenzen veröffentlicht und war als Gutachter für viele Konferenzen und Zeitschriften tätig. Persönliche Homepage: https://cientgu.github.io/

4.

Effiziente parallele Inferenzmethode für große ModelleBerichtseinführung:

AIGC-Großmodell hat weit verbreitete Anwendungsergebnisse erzielt. Der ineffiziente sequentielle Argumentationsprozess führt jedoch häufig zu einer schlechten Benutzererfahrung und hohen Bereitstellungskosten. In diesem Bericht wird vorgestellt, wie die Inferenzeffizienz großer Modelle aus der Perspektive von Inferenzalgorithmen verbessert werden kann, und es werden Beschleunigungsmethoden in anderen Aspekten wie Modellarchitektur, Sequenzkomprimierung und Cache-Optimierung untersucht.

Deng Zhijie, Assistenzprofessor am Qingyuan Research Institute, Shanghai Jiao Tong University

Deng Zhijie, Assistenzprofessor und Doktorvater am Qingyuan Research Institute, School of Electrical Engineering, Shanghai Jiao Tong University. Die Hauptforschungsrichtungen sind generative Modelle und maschinelles Lernen. Er hat mehr als 20 Artikel als erster/korrespondierender Autor auf Konferenzen und Fachzeitschriften wie ICML, NeurIPS, ICLR und CVPR veröffentlicht. Gewann den NVIDIA Pioneer Research Award. Die Forschungsarbeit wird von der National Natural Science Foundation of China, dem Shanghai Science and Technology Innovation Action Plan, dem CCF-Baichuan-Inbo Large Model Fund und anderen Projekten unterstützt. 5. Runde Tischdiskussion Universität (Moderator)

Lu Zhi Wu丨Professor für Renmin Universität von ChinaJiang Yi丨Leiter von ByteDance GenAI

Gu Shuhu丨Forscher der Visual Computing Group bei Microsoft Research AsiaDeng Zhijie丨Assistenzprofessor am Qingyuan Research Institute der Shanghai Jiao Tong UniversityLi Chongxuan丨Assoziierter Professor an der Renmin University of China

Scannen Sie den QR-Code, um sich jetzt zu registrieren und an der Konferenzregistrierung teilzunehmen. Diese Konferenz übernimmt die Integration von Offline- und Online-Modi. Der Registrierungskanal ist geöffnet Code zur kostenlosen Registrierung. Aufgrund der begrenzten Offline-Plätze schließen Sie die Registrierung bitte so früh wie möglich ab. Das Organisationskomitee prüft die Anmeldung gemäß der Anmeldereihenfolge und sendet vor dem Treffen eine Benachrichtigung über die Überprüfungsergebnisse. Die öffentliche Sitzung wird für registrierte Benutzer live online übertragen.

Das obige ist der detaillierte Inhalt vonAgenda der Intelligent Source-Konferenz 2024 enthüllt: Generatives Modell. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!