生成式影像合成
Generative AI for Image Synthesis
學期
113-1
學分
3
學分
當期課號
539107
永久課號
IIAI30018
開課單位
智能系統研究所
授課教師
楊元福
校區
光復
類別
選修
上課時間表
| 節 | 週四 |
|---|---|
2 09:00–09:50 | 生成式影像合成 A305 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
概述
本課程的主要目標是使學生深入理解生成式人工智慧的基本概念,培養其實作技能,並能夠在不同領域中靈活應用。同時,我們引導學生思考Generative AI在影像合成的應用,以培養其對於Generative AI實作的能力。透過本課程的學習,學生將深入瞭解現有Generative AI的限制和挑戰,並探討未來在影像生成的發展。學生在完成課程後將具備以下核心能力: (1) 具備生成式人工智慧與影像生成的基本知識和技術。 (2) 具備對新興技術和趨勢的敏感度和分析能力。 (3) 能夠進行獨立的研究和開發工作,同時具備團隊合作和專案管理的能力。 (4) 具備創新思維和解決問題的能力,並能夠應用所學促進科技創新和社會進步。
先修科目
Deep Learning, Python
評分方式
Assignments (40%): 包含程式作業、文獻閱讀報告等,用以評估學生的理論應用和實作能力。 Midterm Report (20%): 學生需自行挑選一篇近三年內的Generative AI與影像生成的相關論文,並編寫一份研究報告。若報告中包含Demo與技術實現,將額外獲得加分。 Final Project (30%): 學生需自主選定一個Generative AI與影像生成的相關主題,並完成一份研究報告與相應的實作項目。評分標準包括問題認識的清晰度、解決方案的創新性與實用性,以及技術實現的完整性與效能等。 課堂表現(10%): 出缺勤狀況、課堂參與度。
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Class Introduction and Overview |
| 第 2 週 | Introduction of Generative AI for Image Synthesis |
| 第 3 週 | Overview of Generative Models: From Autoencoder to Generative Adversarial Networks (GANs) |
| 第 4 週 | Basic Principles and Concepts of GANs |
| 第 5 週 | Applications and Developments of GANs |
| 第 6 週 | Introduction of Diffusion Probabilistic Models (DMs) |
| 第 7 週 | Special Lecture |
| 第 8 週 | Project Proposal at Midterm |
| 第 9 週 | Basic Principles and Concepts of DMs |
| 第 10 週 | Applications and Developments of DMs |
| 第 11 週 | DMs in 3D Reconstruction |
| 第 12 週 | Vision Language Model (VLM) |
| 第 13 週 | Large Multimodal Model (LMM) |
| 第 14 週 | LMM for Image Generation |
| 第 15 週 | Applications of Generative AI in Industry |
| 第 16 週 | Final Project Presentation |
Office Hours
- 地點
- 工程六館374
- 時間
- 每週一 10:00~11:00
- 聯絡方式
- yfyangd@gmail.com