Grupa badawcza, D-21 PWr
genwro.AI
Modele generatywne: dyfuzja, 3D, niepewność i wyjaśnialność.
Tematy badawcze: modele generatywne · modele dyfuzyjne · widzenie komputerowe · modelowanie niepewności · destylacja modeli · uczenie z niewielu przykładów
Kierownictwo grupy
genwro.ai rozwija modele generatywne i dyfuzyjne, widzenie komputerowe, reprezentacje 3D, modelowanie niepewności, destylację modeli, uczenie z niewielu przykładów, wyjaśnialną AI oraz oduczanie maszynowe.
Członkowie
16 osób- Maciej ZiębaKierownik grupy
- Kamil AdamczewskiCzłonek zespołu
- Przemyslaw DolataCzłonek zespołu
- Weronika JakubowskaCzłonek zespołu
- Oleksii FurmanCzłonek zespołu
- Katarzyna JabłońskaCzłonek zespołu
- Wojciech KozłowskiCzłonek zespołu
- Mateusz GrzesiukCzłonek zespołu
- Marcin KostrzewaCzłonek zespołu
- Radosław KuczbańskiCzłonek zespołu
- Łukasz LenkiewiczCzłonek zespołu
- Patryk WielopolskiCzłonek zespołu
- Konrad KaranowskiCzłonek zespołu
- Dawid KopećCzłonek zespołu
- Jakub BalickiCzłonek zespołu
- Halina KwasnickaCzłonek zespołu
Najnowsze publikacje
Unifying deep stochastic processes for image enhancement
Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea, 6th-11th July, 2026
Towards plausibility in time series counterfactual explanations
ACIIDS, 2026
HyConEx: Hypernetwork classifier with counterfactual explanations for tabular data
Neurocomputing, 2026
Reducing estimation uncertainty using normalizing flows and stratification
ACIIDS, 2026
MultiPlaneNeRF: Neural radiance field with non-trainable representation
Expert Systems with Applications, 2025
KeyFace: expressive audio-driven facial animation for long sequences via KeyFrame interpolation
CVPR, 2025