Uploads from ‍김성범[ 교수 / 산업경영공학부 ]

Currently Playing: [Open DMQA Seminar] Flow Matching and Diffusion Models

Diffusion model은 뛰어난 생성 능력을 바탕으로 이미지 뿐 아니라 텍스트, 오디오 등 다양한 도메인에서 활용되어 왔다. 하지만 diffusion model은 생성 속도가 느리다는 단점이 지적되어 왔다. 최근에는 diffusion model의 생성 속도를 높이기 위한 연구 방향 중 하나로 flow matching이 많은 주목을 받고 있다. 이번 세미나에서는 flow matching의 기본 개념을 살펴보고, 이를 통해 flow model과 diffusion model 간의 관계성을 살펴보고자 한다. 참고자료 : [1] Lipman, Y., Chen, R. T., Ben-Hamu, H., Nickel, M., & Le, M. (2023). Flow Matching for Generative Modeling. In The Eleventh International Conference on Learning Representations (ICLR). [2] Liu, X., Gong, C., & Liu, Q. (2023). Flow Straight and Fast: Learning to Generate and Transfer Data with Rectified Flow. In The Eleventh International Conference on Learning Representations (ICLR). [3] Lipman, Y., Havasi, M., Holderrieth, P., Shaul, N., Le, M., Karrer, B., ... & Gat, I. (2024). Flow matching guide and code. arXiv preprint arXiv:2412.06264. [4] Esser, P., Kulal, S., Blattmann, A., Entezari, R., Müller, J., Saini, H., ... & Rombach, R. (2024). Scaling rectified flow transformers for high-resolution image synthesis. In Forty-first International Conference on Machine Learning (ICML).