生成式影像合成
Generative AI for Image Synthesis
學期
114-1
學分
3
學分
當期課號
539102
永久課號
IIAI30018
開課單位
智能系統研究所
授課教師
楊元福、鄭嘉珉
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GenAI在影像合成的應用,以培養其對於GenAI實作的能力。透過本課程的學習,學生將深入瞭解現有GenAI的限制和挑戰,並探 討未來在影像生成的發展。 本課程特別邀請 聯發科 AI技術部門業師 鄭嘉珉博士 共同授課,他將帶來產業最新的資訊與洞見,深入探討GenAI的研究與終端產品應用中所面臨的實際問題與商業機會。 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 (30%): 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 (40%): 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%): 課堂參與度。 缺席: 點名未到1次扣總成績1分。
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | Class Introduction and Overview |
| 第 2 週 | Introduction of Generative AI |
| 第 3 週 | Overview of Vision Generative Models |
| 第 4 週 | Autoencoder |
| 第 5 週 | Basic Principles and Concepts of GANs |
| 第 6 週 | Applications and Developments of GANs |
| 第 7 週 | Basic Principles and Concepts of DMs |
| 第 8 週 | Special Lecture |
| 第 9 週 | Midterm Report |
| 第 10 週 | Applications and Developments of DMs |
| 第 11 週 | 3D Vision |
| 第 12 週 | GenAI Application in Industry - Mobile, Automotive, AR/VR |
| 第 13 週 | 3D Visual Effects |
| 第 14 週 | Mixed Reality |
| 第 15 週 | VLM & LMM |
| 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