Aniket Roy จากมหาวิทยาลัย Johns Hopkins นำเสนองานวิจัยที่มุ่งเน้นการปรับปรุงความสามารถในการปรับตัว ประสิทธิภาพ และคุณภาพของโมเดล Generative AI ในยุคปัจจุบัน โดยเฉพาะในสภาวะที่มีทรัพยากรจำกัด งานวิจัยของเขาครอบคลุมตั้งแต่การเรียนรู้แบบ Few-shot ไปจนถึงการปรับแต่งโมเดลให้เข้ากับบุคคล (Personalization) โดยมีเป้าหมายเพื่อให้ระบบ Computer Vision และ Generative AI มีความคล่องตัวและใช้งานได้จริงในสถานการณ์โลกจริงที่ข้อมูลและกำลังการคำนวณอาจไม่เพียงพอ
หัวใจสำคัญของงานวิจัยประกอบด้วยเทคนิคใหม่ๆ หลายรายการ เช่น DiffNat ซึ่งเป็นวิธีการจัดระเบียบ (Regularization) ที่ช่วยให้ภาพจาก Diffusion Models มีความสมจริงและเป็นธรรมชาติมากขึ้นตามคุณสมบัติทางสถิติของภาพจริง และ DuoLoRA ซึ่งเป็นเฟรมเวิร์กที่ช่วยให้การปรับแต่งสไตล์และเนื้อหาของภาพทำได้โดยใช้พารามิเตอร์เพียงเล็กน้อย ช่วยลดภาระในการฝึกสอนโมเดลใหม่ทั้งหมด
