Доклад Дениса Ракитина: Применение методов дистилляции диффузионных моделей к задачам непарного переноса стиля

Во вторник, 22 октября 2024 г., Денис Ракитин, младший научный сотрудник Центра глубинного обучения и байесовских методов, выступит с докладом «Применение методов дистилляции диффузионных моделей к задачам непарного переноса стиля», посвящённым методам дистилляции диффузионных моделей. Учёный расскажет о результатах недавно опубликованного исследования, выполненного им совместно с Иваном Щёкотовым, выпускником ФКН НИУ ВШЭ, и Дмитрием Петровичем Ветровым, профессором-исследователем Департамента больших данных и информационного поиска ФКН НИУ ВШЭ. Выступление пройдёт в аудитории 330 корпуса S НИУ ВШЭ (Покровский бульвар, д. 11).

Цель методов дистилляции диффузионных моделей — их сжатие в одношаговые генераторы с сохранением как можно более близкого к оригиналу качества. Среди этих методов Distribution Matching Distillation (DMD) представляет собой программное обеспечение для обучения генераторов произвольного вида, применимых за пределами безусловной генерации. Доклад будет посвящён недавней работе, в которой предлагается модификация метода DMD, применимая к задачам непарного переноса стиля. Наша работа показывает применимость этого метода к различным задачам перевода между доменам: на изображениях наш метод демонстрирует сопоставимое или даже превосходящее оригинал качество, чем многошаговые бейзлайны.