本周论文包括：谷歌提出 DreamBooth 扩散模型，只需 3-5 个样本和一句提示，AI 就能生成高质量图像；AI 自动生成 prompt 媲美人类等研究。
目录：
- DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation
- Discrete mean estimates and the Landau-Siegel zero
- LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS
- InfiniteNature-Zero Learning Perpetual View Generation of Natural Scenes from Single Images
- Scaling & Shifting Your Features: A New Baseline for Efficient Model Tuning
- NeRFFaceEditing: Disentangled Face Editing in Neural Radiance Fields
- RetroMAE: Pre-Training Retrieval-oriented Language Models Via Masked Auto-Encoder
- ArXiv Weekly Radiostation：NLP、CV、ML 更多精选论文（附音频）
论文 1：DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation
- 作者：Nataniel Ruiz 、 Yuanzhen Li 、 Varun Jampani 等
- 论文地址：https://arxiv.org/pdf/2208.12242.pdf
摘要：来自谷歌和波士顿大学的研究者提出了一种「个性化」的文本到图像扩散模型 DreamBooth，能够适应用户特定的图像生成需求。
该研究的目标是扩展模型的语言 - 视觉字典，使其将新词汇与用户想要生成的特定主题绑定。一旦新字典嵌入到模型中，它就可以使用这些词来合成特定主题的新颖逼真的图像，同时在不同的场景中进行情境化，保留关键识别特征，效果如下图 1 所示。
具体来说，该研究将给定主题的图像植入模型的输出域，以便可以使用唯一标识符对其进行合成。为此，该研究提出了一种用稀有 token 标识符表示给定主题的方法，并微调了一个预训练的、基于扩散的文本到图像框架，该框架分两步运行；从文本生成低分辨率图像，然后应用超分辨率（SR）扩散模型。
本文方法将一个主题（例如，一只特定的狗）和相应类名（例如，狗类别）的一些图像（通常 3 - 5 张图）作为输入，并返回一个经过微调 / 个性化的文本到图像模型，该模型编码了一个引用主题的唯一标识符。然后，在推理时，可以在不同的句子中植入唯一标识符来合成不同语境中的主题。
推荐：只需 3 个样本一句话，AI 就能定制照片级图像，谷歌在玩一种很新的扩散模型
论文 2：Discrete mean estimates and the Landau-Siegel zero
- 作者：张益唐
- 论文地址：https://arxiv.org/abs/2211.02515
摘要：数学家张益唐研究朗道 - 西格尔（Landau-Siegel）零点猜想论文已放出。本文主要贡献如下：首先是 L 函数在 1 点处的下界估计：
相应的有关于实轴上非零区域的直接推论：
推荐：111 页，张益唐关于朗道 - 西格尔零点猜想的论文公布。
论文 3：LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS
- 作者：Yongchao Zhou 、 Andrei Ioan Muresanu 等
- 论文地址：https://arxiv.org/pdf/2211.01910.pdf
摘要：来自多伦多大学、滑铁卢大学等机构的研究者提出了一种使用 LLM（大型语言模型）自动生成和选择指令的新算法。他们将此问题描述为自然语言程序合成，并建议将其作为黑盒优化问题来处理，LLM 可以用来生成以及搜索可行的候选解决方案。
研究者从三个方面入手。首先，使用 LLM 作为推理模型，根据输入 - 输出对形式的一小组演示生成指令候选。接下来，通过 LLM 下的每条指令计算一个分数来指导搜索过程。最后，他们提出一种迭代蒙特卡洛搜索方法，LLM 通过提出语义相似指令变体来改进最佳候选指令。
直观地说，本文提出的算法要求 LLM 根据演示生成一组指令候选，然后要求算法评估哪些指令更有希望，并将该算法命名为 APE（Automatic Prompt Engineer）。
APE 在建议（proposal）和评分这两个关键组件中都使用 LLM。如图 2 和算法 1 所示，APE 首先提出几个候选提示，然后根据选定的评分函数对候选集合进行筛选 / 精炼，最终选择得分最高的指令。
推荐：AI 自动生成 prompt 媲美人类。
论文 4：InfiniteNature-Zero Learning Perpetual View Generation of Natural Scenes from Single Images
- 作者：Zhengqi Li、 Qianqian Wang 等
- 论文地址：https://infinite-nature-zero.github.io/
摘要：为了构建沉浸式的虚拟现实体现，近几年人们开始思考计算机如何合成细节丰富的三维视觉体验。来自谷歌的研究团队近日做了一项名为「Infinite Nature」的研究工作，该研究表明计算机可以通过观看自然视频和照片来学习生成丰富的 3D 视觉体验。新模型 InfiniteNature-Zero 甚至可以仅在静态照片上训练，以单张图像作为「种子」，生成高分辨率、高质量的景观视频，这是前所未有的突破性能力。
谷歌将主要研究问题称为「永久型视图生成（perpetual view generation）」，即给定场景的单个输入视图，按照给定的相机路径，合成照片级真实的输出视图集。这一任务非常具有挑战性，因为系统必须为输入图像上的大型地标（例如山脉）的另一侧生成新内容，并以高逼真度和高分辨率渲染新内容。
下图是使用 InfiniteNature-Zero 生成的飞行效果示例：仅输入单个自然场景图像，模型运行时就能生成「飞入」该场景的新内容，体验非常真实。
推荐：仅用一张自然景观图片就能生成该场景的高质量 3D 「航拍」视频。
论文 5：Scaling & Shifting Your Features: A New Baseline for Efficient Model Tuning
- 作者：Dongze Lian、Daquan Zhou 等
- 论文地址：https://arxiv.org/abs/2210.08823
摘要：近期，由新加坡国立大学和字节跳动联合发表的论文入选 NeurIPS 2022。该论文提出了一个全新的、针对大模型训练的参数高效微调方法 SSF（Scaling & Shifting Your Features)，可简洁、高效、零开销实现参数微调。
通过在 26 个分类数据集和 3 个鲁棒性数据集上评估 SSF 方法，结果显示：与其他参数高效的微调方法相比，SSF 获得了最先进的性能。
与完全微调相比，SSF 方法在 FGVC 和 VTAB-1k 上获得了 2.46%（90.72% {vs. 88.54%）和 11.48%（73.10% vs. 65.57%）的 Top-1 精度性能改进，但只需要大约 0.3M 的可训参数。此外，SSF 在推理阶段不需要额外的参数，可以即插即用，很容易扩展到各种模型系列（CNN、Transformer 以及 MLP 网络）。
SSF 的总体框架：
推荐：全新大模型参数高效微调方法 SSF：仅需训练 0.3M 的参数，效果卓越。
