← Feed

Posts

• View post

  @zshowing 龙+长城 😂 太cliche了（直接问它拒绝给设计，需要trick一下）

• View post

  @zshowing 很了解中国传统文化 :wb02:

• View post

  @normanzxy 发烧37以上就可以吃了，不光退烧而且减轻肢体疼痛。paracetamol比较安全，只要不超剂量，长期吃都可以的

• View post

  @normanzxy 中国也有，蔡霞讲过，但是是给你下个任务，你写个报告交上去，过些天如果上头感兴趣，会接你去中南海给几个秘书讲，常委们是不可能见到的

• View post

  @konatasick 握手啊同行。我前几年从nlp转cv,j还好转了不然nlp现在非大公司完全没得做

• View post

  @konatasick 主要是微软的

• View post

  @konatasick wow没想到我们做的这么近。我也今年开始做diffusion（但是之前没做生成模型所以做的很慢）这个topic社区也很关心啊（甚至超前于大公司）而且开源资源很多

• View post

  @konatasick 没看过，我只知道综述很多，但是导读是啥样的

• View post

  @konatasick 大赞，我明天仔细看看

• View post

  @konatasick 看完了，尤其是那个知乎帖子，写的很好，美图很多 😂 想问下博主research主要做的什么呢？优化图片生成还是edit、更复杂的conditioning？

• View post

  @konatasick :bd06: :bd06: :bd06: 失敬失敬，主要是长毛象上讲的我基本都了解了，但是novelai实战我完全没经验。另外如果公式哪儿不理解可以多交流，我碰巧理解了一点点

• View post

  @konatasick :bd06: :bd06: 我应该没空作详细推导。。主要是我做的也不是理论方面，就是知道大致模型怎么work的，我做的主要还是改进conditioning，比较ad hoc

• View post

  @konatasick 我在微博上简单记录了下自己的理解：因为reverse process的groundtruth，q(x t−1 |x t , x 0)，需要把x 0积掉不可行，所以用 pθ (x t−1 |x t ) 这个简化的变分分布来近似它，而U-Net输出的是pθ 的log-likelihood的梯度（也即均值该往哪儿推）。reverse的那些公式，除了这些intuition，就是标准的贝叶斯变分推断了

• View post

  @konatasick 标准的就是应用一下jensen不等式，把log和积分互换。互换之后隐变量直接积掉了，不像lda/gmm那样还需要处理离散的隐变量

• View post

  @xiayule 博主好福气，捡到这样一只漂亮的猫猫

• View post

  @KateSourire 这个妈妈因为和小孩价值观不能align而沮丧，发泄到卡片上，当然以后只会和小孩更加貌合神离。网友劝的不在点子上，应该挑她在乎的点，从小孩的心理健康、跟她的感情来说

• View post

  @ziwendong 看了这图就不敢看了

• View post

  @normanzxy 官僚体系，这种中国人司空见惯的事情，这种满怀共产主义热情的人最能感到认知shock

• View post

  @normanzxy 新加坡的强制兵役是两年