过了一会儿，又有学生陆陆续续到了。



除了参加答辩的同学之外，还有一些研一研二的学生坐在后排旁听。



“时间还没到，到了的同学可以先把自己PPT拷到电脑上。”答辩秘书走到周昀几人身边提醒了一下。



九点整，答辩正式开始。



其中一位答辩老师看了眼手表，随后抽出名单：“时间到了，应该都到齐了吧？”



他快速扫了一眼，便把身子转了回去：“好，那我们计算机科学与技术学院本届硕士研究生毕业论文答辩，现在开始，第一位，孙乐驹同学。”



被点到名字的学生正坐在最后一排，看着手里提前准备好的稿子不断小声念叨。



听到老师点他的名字，他扶了扶鼻子上的黑框眼镜，深吸一口气，整理了一下衬衫，略带紧张地走上讲台。



迅速在桌面上找到自己的PPT，然后和下方的五位答辩老师对视了一眼。



“开始吧。”



孙乐驹清了清嗓子：“尊敬的各位老师各位同学，早上好！我是孙乐驹，我的论文题目是《基于扩散模型与自适应推理的图像超分辨率方法研究》........”



他一口气讲了十几分钟，从研究背景到方法再到最后的实验结果，条理倒是很清晰，也没出现什么意外，但也就条理清晰了，



语速很快，生怕老师听懂他在讲什么，虽然没有照着PPT念，但也能听得出来，他是在背稿子。



台下的答辩老师基本也就是偶尔抬头看一下PPT上的内容，大部分的时间还是在低头翻着手里的论文，拿着笔在上面圈圈画画。



讲完后，孙乐驹停下来，朝台下鞠了个躬。



几位答辩老师交换了一下眼神。



坐在最左边的老师微微点头：“孙同学，我看你没有发表过文章，而是发表了一篇专利？”



听到老师的问题，孙乐驹的身体下意识地绷紧了一下：“额，是的老师。”



“那你的专利具体解决了什么问题？跟你的论文研究内容有什么直接关联吗？能不能展开讲讲？”



“这个专利主要是针对超分辨率方法中的一个优化点，嗯，就是我在论文里提到的那个特征提取的部分，



相比于之前的方法，我对它做了一些改进......”讲到了自己的研究领域，他稍稍有些自信起来了，毕竟是自己耗了这么长时间做出来的东西。



讲完后他又看了眼提问的老师，只见对方眉头一皱，微微摇了摇头。



布豪！！



孙乐驹心中警铃大作。



那位老师翻开论文，拿笔指着说道：“我看到了，你论文第3.2节声称改进了特征提取网络，



我看到下面有两张对比图片，虽然有标注两张图片的得分不一样，但是我肉眼看上去，两者之间并没有显著差异，



能讲一下这个评分是怎么得出来的吗？或者说是怎么计算的吗？”



“老师，这个指标论文的实验部分有写，主要是用了.......”



答辩老师听完翻了翻论文，点了点头：“我看你使用了PSNR，那你有没有计算过LPIPS或者其他的指标？”



“嗯......不好意思老师，我没测过。”



答辩老师也只是点点头：“我建议把这些指标加上，否则光一个PSNR，说服力还是有些不太够。”



孙乐驹连忙点头躬身一气呵成：“好的老师。”



这位老师也没再刁难他，点点头，表示自己问完了。



轮到下一个老师也只是问了一些不痛不痒的问题，并不算深入，孙乐驹答得倒也从容。



不过轮到第三个老师的时候，他的心就不由地一紧。



这位老师他虽然没见过，但是每个答辩老师前面都放了个牌子，上面有写他们的名字。



车伟强这三个字他可谓是如雷贯耳，上过他课的，没一个说他好话的，历届毕业答辩，只要有他在的组，挂掉的人数都是最多的。



光是对上他的眼神，孙乐驹手心就直冒冷汗。



车伟强皱着眉头，声音带着一股压迫感：“你的摘要里有写到，你论文的创新点之一是你提出的‘自适应推理机制’，



在显著降低扩散模型采样步数的同时，保持了与基准模型相当的PSNR性能，甚至略有提升。



我的第一个问题，你的基线对比模型是标准的、需要1000步采样的扩散模型，但是我们都知道，



业界为了加速扩散模型，早已有Uniform Subsampling这样的方法，在你的实验结果里我并没有看到相关的对比实验，



如果你的性能甚至不如Uniform Subsampling，那你这项工作的意义又在哪里。



第二个问题，关于收敛性与理论保证，扩散模型的理论基础建立在Tweedie公式和随机微分方程的推