多模态大模型与扩散模型：可控生成的前沿与应用
本课程紧扣 CVPR 2025 高频关键词—“多模态大模型”与“扩散模型”，聚焦多模态大模型（如 CLIP、BLIP-2、Sora）与扩散模型（Stable Diffusion、DiT、VideoPoet、DreamGaussian4D）的协同创新，实现文本、图像、视频、三维数据及4D的跨模态生成与深度融合。课程一方面直击最学术前沿的挑战，如模糊指令下的精准图像/视频生成、定制化空间约束下长视频生成、4D生成时空一致性优化、多模态理解与模仿生成等，另一方面以用户角度，挖掘电商、动漫、医疗影像、工业设计、交通场景等真实垂直领域的潜在新任务。学习路径涵盖理论基础、框架创新、模型微调到顶级期刊论文产出的完整流程，直击《CVPR》《ICML》《ACL》等国际顶会的研究前沿范式。