第五届全球校园深度学习算法精英大赛

大赛介绍

全球校园深度学习算法精英大赛自2019年起已经连续举办4届，共吸引来自全球26个国家和地区、900多所高校选手参赛，累计参赛队伍10152支，受到了全球校园深度学习算法爱好者及业界的广泛关注。2023年3月，赛事首次被列入中国高等教育学会发布的全国普通高等学校学科竞赛排行榜，正式成为全国性学科竞赛。

为推动“深度学习 + X”知识体系下的人才培养，坚持“以赛促学、以赛促教、以赛促创”，加快深度学习算法创新型人才培育，激发学生深度学习创新意识和参与创新应用实践热情，推动高校学生高质量创业就业，大赛组委会决定继续举办第五届“全球校园深度学习算法精英大赛”。

赛题介绍

1.图像文字说明生成算法比赛的目标为创建一个模型来预测给定生成图像的文本提示。参赛选手将在包含 Stable Diffusion2.0 生成的各种（提示、图像）对的数据集上进行预测，通过了解潜在存在的提示、图像之间关系的可逆性。参赛选手通过构建一个模型来预测给定生成图像的文本提示。并把这个文本提示与标注过的文本提示进行对比。
2.提示工程（Prompt Engineering）是一种针对预训练语言模型（如 ChatGPT），通过设计、实验和优化输入提示来引导模型生成高质量，准确和有针对性的输出的技术。由此产生的提示学习是一种通过构建合适的输入提示来解决特定任务的方法。本赛题就是通过构建数据模型来研究如何提升提示工程的效果。
3.文本到图像模型的流行已经是基于提示工程的一个深度学习全新领域。用户体验的一部分是艺术，一部分是充满不确定性的数据科学，机器学习工程师正在迅速努力理解提示和它们生成的图像之间的关系。在提示中添加“4k”是使其更具照片感的最佳方式吗？提示中的微小扰动是否会导致图像高度发散？提示关键字的顺序如何影响生成的场景？这项竞赛的任务是创建一个模型，该模型可以可靠地反转生成给定图像的扩散过程。
4.本赛题任务是预测用于生成目标图像的提示。这个挑战的提示是使用各种（未公开）方法生成的，从简单到复杂，都有多个对象和修饰符。使用 Stable Diffusion 2.0（768-v-ema.ckpt）根据提示生成图像，并以 768x768 像素的 50 步生成图像，然后将竞争数据集的图像缩小到 512x512。使用了此脚本，参见参考代码库。