如遇到章节错误，请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，稍后尝试刷新。
周昀也没多紧张，毕竟都在neurips上做过报告了，区区一个毕业答辩还不是轻鬆拿捏？
“大家好，我叫周昀，我的毕业论文题目是《基於最优传输理论的多模態语义对齐与融合方法研究》。”
看到这个標题，除了原本就看过论文的林院长、邓永华和答辩组老师之外，在座的其他老师都不由地挑了挑眉。
如果是其他学生取这个题目，他们可能会想：这学生疯了？
但如果是周昀的话：有点意思，先看看怎么个事。
“这个选题倒是有点意思啊？”一位坐在后排的老师点了点头，“很大胆的选题，看题目应该是偏理论研究。”
“是啊，很久没看到过这样的毕业论文了，不愧是研一就能发neurips还能申请提前毕业的学生。”
还没开始讲，几位老师就小声討论了一下，不过很快他们就停止了討论，因为周昀开始了他的报告。
“我的研究主要是多模態的语义对齐与融合，主要的想法是將多模態特徵分布视为概率测度，
利用ot框架实现对齐，具体包括分层ot来处理数据簇结构，以及ot变体来適应高维嵌入的性质。
为了方便理解，我会模擬两类数据的对齐过程，分別是：视觉μ和语言ν。
以下是其的基本原理.......
然后，在对其阶段，我將视觉μ和语言ν分布建模为经验测度，通过kantorovich双对偶形式求解wasserstein距离：
w(μ，ν)= sup_{f，g: f(x)+ g(y)≤ c(x，y)}∫ f dμ+∫ g dν，
其中c(x，y)=||x-y||^2/2对应brenier势的梯度映射
......”
大多数人一开始还能跟的上，因为没有涉及到什么具体的数学公式，都是一些思路，
就像你在学微积分的时候，老师一开始告诉你微积分的主要思想是『分割求极限』，因为你知道极限是什么，所以听上去多少能领悟一点，
但是一旦老师开始讲到具体的题目的时候，部分学生就开始听不懂了，等更加深入地运用到一些实际问题的时候，就只有少数学生能跟上了。
现在的答辩现场大概就是这么个情况，从原本好好的答辩，变成了周昀在给各位老师上课的感觉，
更重要的是，下面大多数老师都表现出一种小学生上高数课的清澈的愚蠢，至於那些旁听的研一研二学生就更別说了，听到现在估计就只会啊吧啊吧了。
周昀的报告透露著一种『老艺术家』的从容不迫，在谈到复杂数学公式的时候也是信手捏来，
而且对於一些比较抽象的数学理论，他也儘可能用相对通俗一点的语言解释，
但是数学这东西，就算再通俗，也是有一定门槛在这的，显然，现在这道门槛已经卡住了在座的大多数人。
本章未完，点击下一页继续阅读。