MIT教授何恺明深入讲解《深度生成模型》课程，涵盖计算机视觉与生成对抗网络，讲座PPT已陆续发布

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，能够掌握这门课程所需先修知识的人并不多，因此课程难度较高，需要较为扎实的学习背景。

根据课程介绍，这是一门面向研究生的研讨会课程，主要针对正在进行或计划进行深度生成模型研究的学生。课程涵盖了深度生成模型的基本概念、原理及其在计算机视觉（如图像、视频、几何）和相关领域（如机器人技术、生物学、材料科学等）的应用。课程重点在于探讨不同问题和学科之间的通用范式和方法。

核心主题包括变分自编码器（VAE）、自回归模型（AR）、生成对抗网络（GAN）、扩散模型及其应用。课程不仅涵盖基础框架，还包括最新的研究前沿。课程形式多样，包括讲师讲座、客座讲座和学生研讨会。学生研讨会包括论文阅读、演示和讨论。

课程对学生的要求非常高，具体包括：
– 参加所有讲座和研讨会
– 每两周完成一次习题集
– 在研讨会上发表一篇论文（20分钟演示 + 10分钟讨论和QA）
– 完成最终项目和项目演示

课程共分为15周完成，除了第1周和最后一周，每周都有两节课（分别为阅读课和讲座）。目前，课程已经进行到第10周，各周的主题如下：
– Week 1：深度生成模型简介
– Week 2：建模图像先验、变分自编码器（VAE）
– Week 3：归一化流、自回归（AR）模型
– Week 4：自回归（AR）模型、AR 和分词器（tokenizer）
– Week 5：AR 和扩散、生成对抗网络（GAN）
– Week 6：扩散领域的 GAN
– Week 7：基于能量的模型、分数匹配和扩散模型
– Week 8：扩散模型、去噪后的扩散
– Week 9：离散扩散、流匹配 1
– Week 10：流匹配 2、CMU 助理教授朱俊彦讲座《确保生成模型的数据所有权》（Ensuring Data Ownership in Generative Models）

前5期讲座的PPT已发布，详细地址如下：
– [Week 1](https：//mit-6s978.github.io/assets/pdfs/lec1_intro.pdf)
– [Week 2](https：//mit-6s978.github.io/assets/pdfs/lec2_vae.pdf)
– [Week 3](https：//mit-6s978.github.io/assets/pdfs/lec3_ar.pdf)
– [Week 4](https：//mit-6s978.github.io/assets/pdfs/lec4_gan.pdf)
– [Week 5](https：//mit-6s978.github.io/assets/pdfs/lec5_diffusion.pdf)

未来的课程主题将涉及视频、3D、几何、机器人、材料科学、蛋白质和生物学等领域的应用。此外，OpenAI战略探索团队负责人宋飏还将带来讲座《一致性模型》（Consistency Models）。

本文来源： 机器之心【阅读原文】