Visão Geral

Curso Generative AI with Diffusion Models. Graças às melhorias no poder da computação e na teoria científica, a IA generativa está mais acessível do que nunca. A IA generativa desempenhará um papel significativo em todos os setores e ganhará importância significativa devido às suas inúmeras aplicações, como geração de conteúdo criativo, aumento de dados, simulação e planejamento. , detecção de anomalias, descoberta de medicamentos e recomendações personalizadas, etc. Neste curso, nos aprofundaremos nos modelos de difusão com eliminação de ruído, que são uma escolha popular para pipelines de texto para imagem, revolucionando vários setores.

Objetivo

Após realizar este Curso Generative AI with Diffusion Models, você será capaz de:

• Construa uma U-Net para gerar imagens a partir de puro ruído
• Melhore a qualidade das imagens geradas com o processo Denoising Diffusion
• Compare modelos probabilísticos de difusão de eliminação de ruído (DDPMs) com modelos implícitos de difusão de eliminação de ruído (DDIMs)
• Controle a saída da imagem com incorporações de contexto
• Gere imagens a partir de prompts de texto em inglês usando CLIP

Pre-Requisitos

• Bom entendimento do PyTorch
• Boa compreensão do aprendizado profundo

Materiais

Conteúdo Programatico

Introduction

From U-Nets to Diffusion

1. Build a U-Net, a type of autoencoder for images.
2. Learn about transposed convolution to increase the size of an image.
3. Learn about non-sequential neural networks and residual connections.
4. Experiment with feeding noise through the U-Net to generate new images

Control with Context

1. Learn how to alter the output of the diffusion process by adding context embeddings
2. Add additional model optimizations such as
3. Sinusoidal Position Embeddings
4. The GELU activation function
5. Attention

Text-to-Image with CLIP

1. Walk through the CLIP architecture to learn how it associates image embeddings with text embeddings
2. Use CLIP to train a text-to-image diffusion model

State-of-the-art Models

1. Review various state-of-the-art generative ai models and connect them to the concepts learned in class
2. Discuss prompt engineering and how to better influence the output of generative AI models
3. Learn about content authenticity and how to build trustworthy models