科研导师
SY顶尖研究所高级科学家，新加坡国立大学博士
导师介绍
研究领域：机器学习,计算机视觉,对抗攻击,数据综合,优化算法 学术成果：累计发表20余篇CCF-A，其中一作9篇，包括ICLR（4篇）、NeurIPS（3篇）和CVPR（2篇）；担任TMAPI，ICML，NeurIPS, ICLR, CVPR审稿人，IJCAI area chair
基于扩散模型的数据合成与压缩方法研究
- 课题名称
- 基于扩散模型的数据合成与压缩方法研究
- 学科专业
- 课题关键词
- 辅导模式
- 1对1
- 发表目标
- SCI期刊1-2区
- 课题介绍
- 随着数据驱动技术的快速发展，大规模数据的高效处理成为人工智能领域的核心挑战。数据合成技术能够生成高质量样本以缓解数据稀缺问题，而数据压缩技术则致力于降低存储与传输成本，二者在计算机视觉、自然语言处理等领域均具有重要应用价值。近年来，扩散模型凭借其强大的生成能力，在图像、文本等数据合成任务中取得突破性进展，其基于概率建模的迭代采样机制为复杂数据分布的拟合提供了新范式。然而，现有扩散模型在合成数据质量与多样性的平衡、压缩效率与重建保真度的权衡方面仍存在优化空间，且合成与压缩任务通常独立设计，缺乏统一的理论框架。因此，探索基于扩散模型的数据合成与压缩一体化方法，通过联合优化生成过程与压缩编码，对于提升数据利用效率、推动低资源场景下的智能应用具有重要的理论与实践意义。
导师信息
招生要求
面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。