•  책의 일부 내용을 미리 읽어보실 수 있습니다.
  미리보기

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

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 될것입니다.

이 책의 구성은 다음과 같습니다.


1장에서는 AIGC와 관련 기술을 소개하고, 2장에서는 디퓨전 모델의 기본 이론과 알고리즘을 세 가지 관점에서 소개하며, 디퓨전 모델을 위한 신경망 아키텍처와 코드 실습을 소개합니다.


3장, 4장, 5장에서는 각각 디퓨전 모델의 효율적인 샘플링, 디퓨전 모델의 가능성 극대화, 특수한 구조를 가진 데이터에 대한 디퓨전 모델 적용이라는 세 가지 관점에서 디퓨전 모델의 특징과 그에 따른 개선 작업을 체계적으로 소개합니다.


6장에서는 디퓨전 모델과 변형 자동 코더, 생성적 적대 네트워크, 정규화된 흐름, 자동 회귀 모델, 에너지 기반 모델 등 다른 생성 모델과의 관련성에 대해 설명합니다.


7장에서는 디퓨전 모델의 응용 사례를 소개합니다.
8장에서는 디퓨전 모델의 미래인 GPT와 대형모델에 대해 설명합니다.

이 책은 컴퓨터 과학, 인공지능, 머신러닝을 전공하는 학생들과 빅데이터 및 인공지능 애플리케이션 개발자를 위해 집필되었습니다.
학부생, 대학원생, 교수진, 그리고 연구 기관의 연구원들에게도 유용하게 활용될 수 있을 것입니다.