多模态

宋飏

Yang Song

Score-based 模型 · 一致性模型

宋飏是生成模型研究者，在斯坦福大学师从 Stefano Ermon 获得博士学位。他的代表工作包括基于分数的生成模型、随机微分方程框架和一致性模型，围绕从噪声恢复数据这一问题展开。

分数模型学习数据分布的对数密度梯度，也就是怎样移动一个带噪样本才能靠近更可能出现的数据。其合作研究用连续时间的随机过程连接加噪与去噪，把多种生成方法放到相近的数学框架下分析。

一致性模型进一步研究如何减少生成所需的步骤，让不同噪声程度下的点映射到一致的结果。前一条工作解释生成过程如何演化，后一条工作尝试缩短实际执行过程，把生成质量与采样速度放到一起考虑。