【极致中配】2026年春季 斯坦福大学 CME296: 扩散与大视觉模型 Diffusion & Large Vision Models
系统讲解扩散模型与大视觉模型，从扩散、score matching、flow matching 到潜空间、引导、架构、训练、评估及前沿方向。
- 难度
- 难度 5/5 — 研究生级生成模型课，需扎实的概率、微积分与深度学习基础
- 适合人群
- 有深度学习基础、想深入生成式视觉模型的研究生或工程师
- 前置要求
- 概率论与统计（分布、期望、随机变量）、多元微积分与线性代数（梯度、雅可比、矩阵运算）、深度学习基础（神经网络训练、反向传播）、Python 与 PyTorch（实现与训练模型）
- 课程规模
- 8 讲 · 5234播放
主题覆盖
扩散模型Score matchingFlow matching潜空间引导 Guidance模型架构模型训练评估方法生成式视觉模型前沿话题
课程大纲（8 讲）
- P1 · Spring 2026 | Lecture 1 - Diffusion67 分钟
- P2 · Spring 2026 | Lecture 2 - Score matching68 分钟
- P3 · Spring 2026 | Lecture 3 - Flow matching67 分钟
- P4 · Spring 2026 | Lecture 4 - Latent Space _ Guidance66 分钟
- P5 · Spring 2026 | Lecture 5 - Architectures70 分钟
- P6 · Spring 2026 | Lecture 6 - Model Training66 分钟
- P7 · Spring 2026 | Lecture 7 - Evaluation64 分钟
- P8 · Spring 2026 | Lecture 8 - Trending Topics72 分钟
本课程卡由 AI 生成，可能存在误差，欢迎反馈。