2025年3月6日，在15栋310办公室召开了学院2025年教师科研小组第二次科研例会。会议主题为DDPM的探索与应用。学院教师科研小组全体成员参会，会议由科研副院长彭敏主持。
一、会议主题
围绕“Diffusion Models的探索与应用”主题，汇报阶段性研究成果，讨论技术瓶颈与突破方向，规划下一阶段合作方向。
二、研究进展汇报
1、理论优化方向：
提出动态噪声调度算法，通过自适应调整前向过程的噪声强度，提升模型收敛速度30%，实验数据已在CVPR 2025 Workshop预印本发布。
初步验证低秩自适应（LoRA）微调框架在Diffusion Models中的可行性，显著降低大规模模型微调的算力需求。
2、应用拓展方向（陈副教授团队）
医疗影像生成：与附属医院合作，基于Monarch Diffusion架构实现CT影像超分辨率重建，在肺结节检测任务中F1-score提升8%。
跨模态生成：构建文本-图像-视频联合生成框架，初步实验显示多模态一致性指标（CLIP Score）达行业领先水平。
3、学生创新项目（赵同学、周同学）
提出轻量化Diffusion模型，通过知识蒸馏与参数共享，将模型推理时间压缩至原始模型的1/5，适合移动端部署。
探索可控生成机制，引入条件编码器实现对生成内容的细粒度控制（如颜色、风格迁移）。
三、技术难点讨论
1、收敛效率与计算资源矛盾
问题：现有Diffusion Models训练周期长（通常需数千GPU小时），限制大规模应用。
解决方案：讨论引入渐进式训练策略（如课程学习）与混合精度计算优化。
2、生成结果多样性不足
问题：模型倾向生成“平均化”结果，缺乏创新性。
解决方案：提议结合对抗训练（GAN）与Diffusion Models，或引入隐空间解耦表征学习。
3、跨学科数据适配挑战
医疗、材料科学等领域数据分布差异大，需定制化预处理流程。建议建立领域自适应数据增强管道。
四、下一步行动计划
1、4月15日前：各团队提交技术路线细化方案，明确资源需求清单。
2、6月1日：举办“Diffusion Models前沿技术”内部讲座，邀请领域国际专家线上分享。
3、8月30日前：完成医疗影像生成平台原型开发，提交伦理审查申请。
五、彭敏副院长总结：
彭敏副院长强调，Diffusion Models作为生成式AI的核心技术，需兼顾学术创新与产业落地。下一步重点突破方向为效率提升、可控性增强与跨学科融合，鼓励团队间形成“理论-算法-应用”闭环协作模式。
