Tiivistelmä: ByteDance Inc:n tutkijaryhmä on esitellyt uuden menetelmän, jolla parannetaan diffuusiomalleilla luotujen kuvien laatua. Nämä mallit, jotka muuttavat kohinaa rakenteellisiksi tiedoiksi, ovat tulleet välttämättömiksi tietokonenäön ja tekoälyn alalla. Tutkijat integroivat havaitsemisperustainen menetelmän diffuusiokoulutukseen käyttämällä itse diffuusiomallia havaintoverkkona. Tämä lähestymistapa tuottaa merkityksellistä havaintoperustainen häviöä, mikä parantaa olennaisesti luotujen kuvien realismia ja laatua. Toisin kuin aikaisemmat menetelmät, tämä tekniikka tasapainottaa näytteen laadun parantamisen ja näytteen monimuotoisuuden säilyttämisen välillä, tarjoten hienostuneemman tavan kouluttaa diffuusiomalleja.
Kvantitatiiviset arvioinnit osoittavat, että itse-havaintoperustainen tavoite on johtanut merkittäviin parannuksiin keskeisissä mittareissa, kuten Fréchet Inception Distance ja Inception Score. Nämä mittarit merkitsevät merkittävää parannusta visuaaliseen laatuun ja realismiin. Vaikka tämä uusi lähestymistapa jää vielä jälkeen luokittaja-vapaasta ohjauksesta kokonaislaatun suhteen, se korjaa luokittaja-vapaan ohjauksen rajoitukset, kuten kuvien ylialtistumisen ja ylisaturaation. Itse-havaintoperustaisen tavoitteen sisällyttäminen diffuusiokoulutukseen avaa uusia mahdollisuuksia erittäin realististen ja korkealaatuisten kuvien luomiseen.
ByteDance Inc:n tekemä tutkimus osoittaa, että diffuusiomallit ovat edistyneet huomattavasti kuvanluonnissa. Itse-havaintoperustainen tavoite tarjoaa lupaavan suunnan jatkuvalle generatiivisten mallien kehittämiselle. Tämä lähestymistapa voi hyödyttää monia sovelluksia, taiteen luomisesta edistyneisiin tietokonenäkötehtäviin. Lisätutkimusta ja mahdollisia parannuksia diffuusiomallien koulutuksessa odotetaan vaikuttavan tulevaisuuden tutkimukseen tällä alalla.
The source of the article is from the blog enp.gr