标签：– 何恺明

（由多段落组成）： 近年来，扩散模型在图像生成领域大放异彩，但其发展路径似乎逐渐偏离了最初的“去噪”本质。何恺明团队最新发表的论文提出一个颠覆性观点：当前主流的扩散模型训练方式可能存在根本性偏差——我们一直在让模型预测噪声，而不是直接学习如何还原清晰图像。这一研究不仅挑战了行业惯例，也重新唤起了人们对扩散模型底层逻辑的思考。 与当前普遍采用的“预测噪声”策略不同，该团队提出了一种极简却高效的新型架构——JiT（Just image Transformers），主张让神经网络直接输出干净图像。他们认为，自然图像数据其...

今年2月，著名学者何恺明开启了他在麻省理工学院（MIT）的副教授生涯。3月7日，他完成了自己职业生涯中的第一堂课。最近，我们发现何恺明开设了第二门课程——《深度生成模型》（6.S978： Deep Generative Models），该课程已于9月初正式开课。 这门课程由何恺明主讲，同时，MIT CSAIL计算设计与制造团队的四年级博士生Minghao Guo担任助教。许多网友纷纷推荐这门课程，认为它对准备教授计算机视觉与深度学习的人士非常有帮助。网友们还特别提到，何恺明是残差网络（ResNet）的发明者，学术成就卓越。然而，能够掌握这门课程...