课程项目，目标是在公开图文数据集上实现文本到图像的生成与检索对齐。我负责扩散模型训练流程与评测：完成数据清洗与文本编码，搭建PyTorch训练脚本，对比不同噪声调度与采样步数对生成质量的影响，并用CLIP相似度与FID做定量评估。与两名同学分工完成标注与结果分析，在自建测试集上检索召回率约提升12%，整理实验报告与后续优化方向。

个人实验项目，基于公开视频数据集复现时序扩散生成流程，重点研究显存占用与推理速度优化。我使用PyTorch完成时序注意力模块搭建、混合精度训练与梯度累积，记录不同分辨率与帧数对指标的影响，并做消融对比。在单卡环境下显存占用降低约30%，生成视频的时序一致性主观评分提升明显，整理实验日志与可视化结果，总结轻量化与蒸馏的改进方向。