资源简介

课题名称 第2课 图像生成模型
课时目标 了解图像生成模型的基本原理，能够说出目前主流的生成模型。 知道扩散模型生成图像的关键过程，可以阐述扩散模型的工作机制，包括正向过程（逐步添加噪声）和反向过程（逐步去除噪声以生成图像）。 知道训练扩散模型的关键步骤，能够利用现有的开源工具或平台进行模型训练实操，训练出满足需求的扩散模型。
教学准备 联网的计算机
导学过程 意图交流
1.项目子问题或任务引入 ——生成模型是如何生成图像的？又该如何训练出满足生成需求的扩散模型？ 2.探究内容与要求 （1）方法引领：遵循“感知→学习→理解→运用”认知规律 （2）主要内容： 图像生成模型的原理是什么？--原理 扩散模型生成图像有哪些关键步骤？--扩散模型训练与生成的过程 如何训练出满足需求的扩散模型？--扩散模型的应用 3.知识习得 （1）自主阅读：阅读书本P83-90 （2）知识梳理： 图像生成模型是一种深度神经网络模型，可以通过对大量图像数据的学习，找到图像数据的分布规律，然后按照规律，从图像数据空间中抽取样本，生成新的图像。 扩散模型是一个先不断破坏（添加噪声），再逐步重建（去除噪声）的迭代生成的过程。 训练后的扩散模型学到了训练数据集的特征分布规律，而并不只是记住了数据集中的图像再进行简单复制生成，因此它会生成与数据集特征相似的全新图像。 4.核心素养培育 （1）学会解释： 图像生成模型的原理是什么？ 目前使用最为广泛的图像生成模型有哪些？ 扩散模型是如何进行训练和推理的？试着结合书本上的图像进行解释？ 学会求证：结合课本上给出的扩散模型生成示例，能否可控地生成指定数字？ 学会分析： 为什么所训练的生成模型无法可控地生成指定数字？ 该如何让模型生成指定数字？ 习题测试 假设你有一个甲骨文的图像数据集，图像尺寸为 28×28 的灰度图像，每张图像包含一个甲骨文符号，你的任务是创建一个扩散模型来探索甲骨文图像生成的过程。请以甲骨文字符“中”“华”两个字符描述正向加噪扩散过程数字图像的变化过程以及利用该扩散模型生成任意字符时的图像变换过程。并陈述扩散模型每次生成时，可以生成指定的某个甲骨文符号吗？如果能，为什么？如果不能，你有什么方法可以生成指定的甲骨文符号吗？ 三、小结回顾 请同学按照下列提示进行总结回顾： 1.学到了哪些知识与技能？ 2.提升了哪些方面的能力？ 3.生成了怎样的观点？ 四、布置作业 完成书本P90的挑战内容，观察生成的图像与真实图像数据集特征的差异，在图像的真实性、清晰度、多样性等方面评价生成的图像。

展开更多......

收起↑