V svetu umetne inteligence so računalniki sposobni ustvariti svojo “umetnost” preko difuzijskih modelov, s postopnim prečiščevanjem hrupnega izhodišča, da bi ustvarili čiste slike ali videe. Vendar je ta proces vedno zahteval veliko časa in več iteracij, da bi popoln rezultat. To pa se je spremenilo.
Raziskovalci na Inštitutu za računalništvo in umetno inteligenco (CSAIL) na MIT so razvili revolucionarni okvir, ki spreminja delovanje difuzijskih modelov. Z enostavnim preoblikovanjem večkorakovega postopka v en korak, njihov nov pristop, imenovan distribucijsko ujemanje destilacije (DMD), bistveno zmanjšuje računalniški čas in hkrati ohranja kakovost ustvarjene vizualne vsebine.
Za razliko od prejšnjih metod, ki so se zanašale na iterativno izboljševanje, okvir DMD uporablja učitelj-učenec model, kjer novi računalniški model posnema obnašanje bolj kompleksnih originalnih modelov. Ta tehnika zagotavlja hitro generiranje slik, ne da bi pri tem ogrozila kakovost. Pravzaprav okvir DMD presega prejšnje difuzijske modele, kot sta Stabilna difuzija in DALLE-3, v smislu hitrosti, pri čemer ustvarja slike do 30-krat hitreje.
Ključ do uspeha DMD leži v svojem dvopomenskem pristopu. Najprej uporablja regresijsko izgubo za preslikavo in stabilizacijo postopka usposabljanja. Nato uporablja izgubo ujemanja porazdelitve, da zagotovi, da ustvarjene slike ustrezajo frekvencam pojavljanja v resničnem svetu. Z izkoriščanjem znanja dveh difuzijskih modelov DMD prenaša kompleksnost prvotnih modelov v bolj preprost, hitrejši model, pri čemer se izogne pogostim težavam, kot so nestabilnost in kolaps načina.
Za usposobitev novega modela so raziskovalci uporabili že predhodno usposobljene omrežja in prilagodili njihove parametre na podlagi originalnih modelov. To je omogočilo hitro konvergenco in zmožnost ustvarjanja visokokakovostnih slik z enako arhitekturno osnovo. Okvir DMD je pokazal tudi dosledno uspešnost na različnih preskusih, ki se lahko merijo s rezultati bolj zapletenih modelov v smislu kakovosti generiranja slik.
Čeprav je DMD pomemben preboj, je še vedno prostor za izboljšave. Kakovost ustvarjenih slik je odvisna od sposobnosti učiteljskega modela, uporabljenega med postopkom destilacije. Na primer, prikazovanje podrobnih besedil in majhnih obrazov še vedno lahko predstavlja izzive. Kljub tem omejitvam se lahko s pomočjo naprednejših učiteljskih modelov te omejitve premagajo, s čimer se še izboljšajo ustvarjene slike.
Posledice enostopenjskega modela difuzije so obsežne. Orodja za oblikovanje se lahko izboljšajo, kar omogoča hitrejše ustvarjanje vsebin. Industrije, kot sta odkrivanje zdravil in 3D modeliranje, lahko koristijo hitrejšim in učinkovitejšim postopkom. Okvir DMD odpira možnosti za urejanje vizualnih vsebin v realnem času, ki združuje vsestranskost in visoko vizualno kakovost difuzijskih modelov s zmogljivostjo GAN-ov.
Z delom raziskovalne ekipe, ki je bilo predstavljeno na Konferenci računalniškega vida in prepoznavanja vzorcev junija, je jasno, da se prihodnost ustvarjanja slik hitro razvija. Kombinacija hitrosti, kakovosti in učinkovitosti, ki jo zagotavlja okvir DMD, pomeni pomemben mejnik na področju umetne inteligence.
FAQ
The source of the article is from the blog enp.gr