DIFFUSION MODEL : 생성형 AI 모델의 이론과 응용
$28.08
SKU
9791198786609
[Free shipping over $100]
Standard Shipping estimated by Fri 01/10 - Thu 01/16 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 01/7 - Thu 01/9 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2024/10/10 |
| Pages/Weight/Size | 180*235*20mm |
| ISBN | 9791198786609 |
| Categories | 대학교재 > 공학계열 |
Description
DIFFUSION MODEL을 다양한 분야에 적용하는 방법을 포괄적으로 소개하며, AIGC（AI Generated Content: 인공지능 생성 콘텐츠）와 관련 기술, 확산 모델의 기초, 확산 모델의 효율적인 샘플링, 확산 모델의 가능성 극대화, 특수 구조를 가진 데이터에 확산 모델 적용, 확산 모델과 다른 생성 모델과의 상관관계, 확산 모델의 응용, 확산 모델의 미래 등을 다루며, 확산 모델의 주요 연구 분야를 파악하는 데 도움이 될것이다.
Contents
1장. AIGC 및 관련 기술
1.1 AIGC 소개 2
1.2 확산 모델링 소개 4
2장. 확산 모델링의 기초
2.1 노이즈 제거 확산 확률 모델 10
2.2 스코어 기반 생성 모델 22
2.3 확률 미분 방정식 25
3장. 확산 모델링을 위한 효율적인 샘플링
3.1 미분 방정식 50
3.2 결정론적 샘플링 52
3.2.1 확률 미분 방정식 솔버 52
3.2.2 상미분 방정식 솔버 60
3.3 학습 기반 샘플링 66
3.3.1 개별 모드 66
3.3.2 절단 확산 68
3.3.3 지식 증류 75
4장. 확산 모델에 대한 우도 극대화
4.1 우도 함수 최대화하기 82
4.2 노이즈 추가 전략의 최적화 84
4.3 역 분산 학습 88
4.4 정확한 로그 우도 추정 100
5장. 특수한 구조의 데이터에 확산 모델링 적용하기
5.1 불연속형 데이터 106
5.2 불변 구조의 데이터 110
5.3 스트리밍 구조의 데이터 118
5.3.1 알고 있는 흐름 패턴 118
5.3.2 알 수 없는 흐름 패턴 119
6장. 다른 생성 모델과 관련된 확산 모델
6.1 다양한 자동 인코더 및 확산 모델 126
6.2 적대 신경망 및 확산 모델 생성하기 128
6.3 정규화된 흐름 및 확산 모델 135
6.4 자동 회귀 및 확산 모델 139
6.5 에너지 기반 모델 및 확산 모델 140
7장. 확산 모델링 적용
7.1 무조건 확산 모델과 조건부 확산 모델 비교 144
7.2 컴퓨터 비전 145
7.2.1 이미지 초해상도, 이미지 복원 및 이미지 번역 145
7.2.2 의미적 분할 151
7.2.3 비디오 생성 154
7.2.4 포인트 클라우드 완성 및 포인트 클라우드 생성 157
7.2.5 이상 탐지 160
7.3 자연어 처리 162
7.4 시간적 데이터 모델링 168
7.4.1 시계열 보간 168
7.4.2 시계열 예측 170
7.5 멀티모달 학습 172
7.5.1 텍스트-대-이미지 생성 172
7.5.2 텍스트-음성 변환 생성 180
7.5.3 장면 그래프에서 이미지 생성까지 182
7.5.4 텍스트-3D 콘텐츠 생성 184
7.5.5 텍스트-바디 모션 생성 185
7.5.6 텍스트-비디오 생성 185
7.6 강건 학습 187
7.7 융합 애플리케이션 188
7.7.1 인공지능 신약 개발 188
7.7.2 의료 영상 195
8장. 확산 모델링의 미래 - GPT와 대형 모델
8.1 사전 학습 기법 소개 201
8.1.1 생성적 사전 학습 및 대조적 사전 학습 202
8.1.2 병렬 학습 기법 206
8.1.3 미세 조정 기술 209
8.2 GPT 및 대형 모델 210
8.2.1 GPT-1 211
8.2.2 GPT-2 214
8.2.3 GPT-3 및 대형 모델 217
8.2.4 InstructGPT 및 ChatGPT 225
8.2.5 비주얼 채팅GPT 229
8.3 GPT 및 대형 모델 기반 확산 모델링 232
8.3.1 알고리즘 연구 232
8.3.2 패러다임 적용하기 233
찾아보기 235
1.1 AIGC 소개 2
1.2 확산 모델링 소개 4
2장. 확산 모델링의 기초
2.1 노이즈 제거 확산 확률 모델 10
2.2 스코어 기반 생성 모델 22
2.3 확률 미분 방정식 25
3장. 확산 모델링을 위한 효율적인 샘플링
3.1 미분 방정식 50
3.2 결정론적 샘플링 52
3.2.1 확률 미분 방정식 솔버 52
3.2.2 상미분 방정식 솔버 60
3.3 학습 기반 샘플링 66
3.3.1 개별 모드 66
3.3.2 절단 확산 68
3.3.3 지식 증류 75
4장. 확산 모델에 대한 우도 극대화
4.1 우도 함수 최대화하기 82
4.2 노이즈 추가 전략의 최적화 84
4.3 역 분산 학습 88
4.4 정확한 로그 우도 추정 100
5장. 특수한 구조의 데이터에 확산 모델링 적용하기
5.1 불연속형 데이터 106
5.2 불변 구조의 데이터 110
5.3 스트리밍 구조의 데이터 118
5.3.1 알고 있는 흐름 패턴 118
5.3.2 알 수 없는 흐름 패턴 119
6장. 다른 생성 모델과 관련된 확산 모델
6.1 다양한 자동 인코더 및 확산 모델 126
6.2 적대 신경망 및 확산 모델 생성하기 128
6.3 정규화된 흐름 및 확산 모델 135
6.4 자동 회귀 및 확산 모델 139
6.5 에너지 기반 모델 및 확산 모델 140
7장. 확산 모델링 적용
7.1 무조건 확산 모델과 조건부 확산 모델 비교 144
7.2 컴퓨터 비전 145
7.2.1 이미지 초해상도, 이미지 복원 및 이미지 번역 145
7.2.2 의미적 분할 151
7.2.3 비디오 생성 154
7.2.4 포인트 클라우드 완성 및 포인트 클라우드 생성 157
7.2.5 이상 탐지 160
7.3 자연어 처리 162
7.4 시간적 데이터 모델링 168
7.4.1 시계열 보간 168
7.4.2 시계열 예측 170
7.5 멀티모달 학습 172
7.5.1 텍스트-대-이미지 생성 172
7.5.2 텍스트-음성 변환 생성 180
7.5.3 장면 그래프에서 이미지 생성까지 182
7.5.4 텍스트-3D 콘텐츠 생성 184
7.5.5 텍스트-바디 모션 생성 185
7.5.6 텍스트-비디오 생성 185
7.6 강건 학습 187
7.7 융합 애플리케이션 188
7.7.1 인공지능 신약 개발 188
7.7.2 의료 영상 195
8장. 확산 모델링의 미래 - GPT와 대형 모델
8.1 사전 학습 기법 소개 201
8.1.1 생성적 사전 학습 및 대조적 사전 학습 202
8.1.2 병렬 학습 기법 206
8.1.3 미세 조정 기술 209
8.2 GPT 및 대형 모델 210
8.2.1 GPT-1 211
8.2.2 GPT-2 214
8.2.3 GPT-3 및 대형 모델 217
8.2.4 InstructGPT 및 ChatGPT 225
8.2.5 비주얼 채팅GPT 229
8.3 GPT 및 대형 모델 기반 확산 모델링 232
8.3.1 알고리즘 연구 232
8.3.2 패러다임 적용하기 233
찾아보기 235