ICML 2026: взгляд исследователя на новые тренды генеративных диффузионных моделей
Арсений Иванов из AIRI делится впечатлениями от первой очной A*‑конференции, рассказывает о двух представленных работах и новых направлениях в генеративных моделях.
В июле 2026 года в Ванкувере прошла ICML 2026 – крупнейшая конференция по машинному обучению, получившая статус A*. Для многих участников, в том числе для Арсения Иванова (AIRI, команда «Вычислительный интеллект»), это была первая очная встреча с мировым научным сообществом. Иванов, одновременно являясь студентом Сколтеха и ВШЭ, представил два доклада, посвящённых диффузионным генеративным моделям.
Первая работа «Efficient High‑Resolution Diffusion via Multi‑Scale Latent Spaces» предложила новый способ снижения вычислительной нагрузки при генерации изображений 1024×1024 и выше, используя иерархию латентных пространств. Авторы продемонстрировали ускорение в 3‑5 раз без потери качества, что открывает возможности для реального времени в графическом дизайне и видеоиграх.
Вторая статья «Guided Diffusion for Structured Data Synthesis» расширила диффузионные подходы на табличные и графовые данные. Благодаря условному управлению модель смогла генерировать синтетические наборы данных, сохраняющие статистические свойства оригинала, что важно для безопасного тестирования и обучения без раскрытия конфиденциальной информации.
Помимо представленных докладов, Иванов отметил несколько общих тенденций: рост интереса к «мульти‑модальным» диффузионным системам, активное внедрение открытых библиотек (Diffusers, Stable Diffusion 3) в индустриальные пайплайны и усиление внимания к энерго‑эффективности моделей. По его словам, конференция также стала площадкой для обсуждения этических вопросов генерации контента и новых стандартов оценки качества.
Подробный отчёт доступен на Habr ML: https://habr.com/ru/companies/airi/articles/1075246/
Для разработчиков и студентов это сигнал: диффузионные модели выходят за рамки изображений и становятся универсальными генераторами структурированных данных. Стоит обратить внимание на новые библиотеки и методы ускорения, а также подготовить свои проекты к требованиям по энерго‑эффективности и этике.
