Nvidia 在 NeurIPS 2022 上展示开创性的生成式 AI 研究

查看低代码/无代码峰会的点播会议，了解如何通过改进和扩展公民开发人员来成功创新并提高效率。 立即观看.

Nvidia 在 NeurIPS 2022 上展示了人工智能 (AI) 方面的突破性创新。这家硬件巨头继续突破机器学习 (ML)、自动驾驶汽车、机器人、图形、模拟等领域的技术界限。

NeurIPS 2022 的三个奖项类别是：杰出核心跟踪论文、杰出数据集和参考跟踪论文以及时间论文测试。 Nvidia 今年因其 AI 研究论文赢得了两个奖项，一个是探索基于扩散的生成 AI 模型，另一个是关于训练通才 AI 代理。

Nvidia 还展示了它在过去一年中一直致力于的一系列 AI 进步。继他在 3D 和生成 AI 方面的工作之后，他发表了两篇关于提供独特照明方法和创建 3D 模型的文章。

“NeurIPS 是一个重要的机器学习会议，我们看到与该领域的其他领导者一起参加展会的巨大价值。我们在会议上展示了 60 多个研究项目，我们很自豪有两篇论文获得了 2022 年的荣誉Nvidia 人工智能研究副总裁 Sanja Fidler 以及 3D MoMa 和 GET3D 论文编辑 VentureBeat 表示，他们因对机器学习的贡献而获得 NeurIPS 奖。

事件

智能安全峰会

在 12 月 8 日了解 AI 和 ML 在网络安全和特定行业案例研究中的重要作用。立即注册以获得免费通行证。

现在注册

图像、文本和视频的合成数据的生成是 Nvidia 撰写的多篇文章的主题。涵盖的其他主题包括强化学习、数据收集和扩充、天气模型和联合学习。

基于扩散的模型已成为生成式 AI 中最具颠覆性的技术之一。与 GAN（生成对抗网络）等传统方法相比，扩散模型显示出实现卓越图像样本质量的有趣潜力。 Nvidia 研究人员因其在扩散模型设计方面的工作而获得杰出主轨道论文奖，该奖建议基于对多个扩散模型的分析改进模型设计。

他们的论文题为“阐明基于扩散的生成模型的设计空间”，将扩散模型的组件分解为模块化设计，帮助开发人员确定可以修改以提高模型整体性能的过程。 Nvidia 表示，这些建议的设计更改可以显着提高广播模型的效率和质量。

文档中定义的方法大多独立于模型组件，例如网络架构和训练细节。然而，研究人员首先使用其原始输出能力测量不同模型的基准结果，然后使用定义的公式在统一框架中对其进行测试，然后进行细微调整以实现改进。该方法使研究团队能够充分评估不同的实际选择，并提出普遍适用于所有模型的扩散模型采样过程的一般改进。

文章中描述的方法也被证明非常有效，使模型能够在针对 ImageNet-64 和 CIFAR-10 等性能指标的改进能力方面取得创纪录的成绩。