Stanford CME296: Diffusion & Large Vision Models

Resources:

Lecture Website: CME 296 Diffusion
Lecture Recordings: YouTube Playlist
Cheatsheet: GitHub

这个课程将从DDPM的方法基础开始，逐步介绍Score Matching， Flow Matching，以及一些加速Diffusion Models的方法。课程主要是从Probabilistic Graph Modeling的角度来介绍Diffusion Models的原理和训练方法。对于那些想从Differential Equations的角度来理解的同学们，可以参考这个课程。

Lecture 01: Diffusion

Lecture 01主要介绍了什么是Diffusion Models。并且通过讲解Denoised Diffusion Probabilistic Models (DDPM)的基本原理和训练方法，帮助我们理解Diffusion Models的工作机制。通过学习Lecture 01，我们可以对Diffusion Models有一个初步的了解，并且在最后介绍了加速Diffusion Models: Denoising Diffusion Implicit Models (DDIM)的基本原理和实现方法.

Yuyang Zhang

Lecture 02: Score Matching

Lecture 02主要介绍了Score Matching的基本原理和训练方法。通过学习Lecture 02，我们可以理解Score Matching在Diffusion Models中的作用，以及如何利用Score Matching来训练Diffusion Models。此外，Lecture 02还介绍了一些基于Score Matching的变体方法，如Denoising Score Matching和Sliced Score Matching，这些方法在实际应用中具有重要的意义。

Yuyang Zhang