影像與視訊生成
Image and Video Generations
學期
114-1
學分
3
學分
當期課號
535522
永久課號
CSIC30191
開課單位
資訊科學與工程研究所
授課教師
劉育綸
校區
光復
類別
選修
上課時間表
| 節 | 週四 |
|---|---|
5 13:20–14:10 | 影像與視訊生成 ED117 2 節連堂 |
6 14:20–15:10 |
* 根據陽明交大上課時間表所列
概述
本課程探討當代生成式AI在影像與視訊生成領域的最新發展,特別聚焦於擴散模型(Diffusion Models)的理論基礎與實際應用。近年來,擴散模型已成為生成式模型的新標準,在生成品質、條件生成、個人化、零樣本操作等方面展現優異性能。
先修科目
- 深度學習基礎(必要) - Python程式設計能力(必要) - PyTorch框架使用經驗(建議) - 線性代數與機率統計(建議)
評分方式
- 程式作業(45%) - 期末專案(45%) - 課堂參與(10%)
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 課程介紹、生成式AI概論 |
| 第 2 週 | 生成式模型基礎:GAN與VAE回顧 |
| 第 3 週 | 擴散模型理論(一):DDPM原理 |
| 第 4 週 | 擴散模型理論(二):數學推導與實作 |
| 第 5 週 | DDIM與加速採樣技術 |
| 第 6 週 | 條件生成:Classifier-Free Guidance |
| 第 7 週 | Latent Diffusion與Stable Diffusion |
| 第 8 週 | 控制技術:ControlNet與LoRA |
| 第 9 週 | 零樣本應用:影像編輯與風格轉換 |
| 第 10 週 | Score Distillation與3D生成 |
| 第 11 週 | 視訊生成技術與時序建模 |
| 第 12 週 | 逆問題求解與影像還原 |
| 第 13 週 | Flow Matching與最新研究趨勢 |
| 第 14 週 | 業界專題演講 |
| 第 15 週 | 期末專案發表(一) |
| 第 16 週 | 期末專案發表(二)與課程總結 |
教科書
無指定教科書,使用最新研究論文與線上資源