Tekoälyn maailmassa tietokoneet ovat kyenneet luomaan omaa ”taidettaan” diffuusiomallien avulla, jotka asteittain hiomalla meluisaa lähtökohtaa pystyvät tuottamaan selkeitä kuvia tai videoita. Tähän asti tämä prosessi on kuitenkin ollut aikaa vievää, vaatien lukuisia iteraatioita lopullisen tuloksen hiomiseksi. Aina tähän päivään saakka.
MIT:n tietojenkäsittelytieteen ja tekoälyn laboratorion (CSAIL) tutkijat ovat kehittäneet mullistavan kehyksen, joka mullistaa diffuusiomallien toiminnan. Yksinkertaistamalla monivaiheinen prosessi yhdeksi askeleeksi, heidän uusi lähestymistapansa, jota kutsutaan jakoavaruuden mukauttamisen tiivistämiseksi (DMD), vähentää merkittävästi laskennallista aikaa ylläpitäen samalla tuotetun visuaalisen sisällön laatua.
Toisin kuin aiemmat menetelmät, jotka perustuivat iteratiiviseen hiomiseen, DMD-kehys käyttää opettaja-opiskelija-mallia, jossa uusi tietokonemalli oppii matkimaan monimutkaisten alkuperäisten mallien käyttäytymistä. Tämä tekniikka varmistaa nopean kuvien generoinnin tinkimättä laadusta. Itse asiassa DMD-kehys ylittää aiemmat diffuusiomallit, kuten Stable Diffusion ja DALLE-3 nopeudessa, generoiden kuvia jopa 30 kertaa nopeammin.
DMD:n menestyksen avain piilee sen kaksikomponenttisessa lähestymistavassa. Ensin se käyttää regressiotappiota kartoittamaan ja vakaannuttamaan koulutusprosessia. Sen jälkeen se hyödyntää jakautumisen vastaavuustappiota varmistaakseen, että tuotetut kuvat vastaavat todellisten tapahtumien esiintymistiheyksiä. Hyödyntämällä kahden diffuusiomallin tietoa, DMD tiivistää alkuperäisten mallien monimutkaisuuden yksinkertaisemmaksi, nopeammaksi versioksi, välttäen yleisiä ongelmia, kuten epävakaus ja tilan romahtaminen.
Uuden mallin kouluttamiseksi tutkijat käyttivät ennakkoon koulutettuja verkkoja ja hienosäätivät niiden parametreja alkuperäisten mallien perusteella. Tämä mahdollisti nopean konvergenssin ja kyvyn tuottaa korkealaatuisia kuvia samalla arkkitehtonisella perustalla. DMD-kehys osoitti myös johdonmukaisen suorituskyvyn erilaisissa vertailuissa, kilpaillen monimutkaisten mallien tulosten kanssa kuvageneroinnin laadun suhteen.
Vaikka DMD on merkittävä läpimurto, parannettavaa on vielä. Tuotettujen kuvien laatu riippuu opettajamallin kyvyistä, jota käytetään tiivistysprosessin aikana. Esimerkiksi yksityiskohtaisen tekstin ja pienten kasvojen renderöinti voi edelleen aiheuttaa haasteita. Kuitenkin edistysaskeleita opettajamalleissa voidaan hyödyntää näiden rajoitusten voittamiseksi ja siten parantaa tuotettujen kuvien laatua entisestään.
Yksisoluisten diffuusiomallien mahdollisuudet ovat valtavat. Suunnittelutyökaluja voidaan parantaa, mikä mahdollistaa nopeamman sisällön luomisen. Teollisuudet kuten lääkekehitys ja 3D-mallinnus voivat hyötyä nopeammista ja tehokkaammista prosesseista. DMD-kehys tarjoaa mahdollisuuksia reaaliaikaiseen visuaaliseen muokkaukseen, yhdistäen diffuusiomallien monipuolisuuden ja korkean visuaalisen laadun GAN:ien (Generative Adversarial Networks) suorituskyvyn kanssa.
Tutkimustiimin työ DMD-kehys esiteltiin Konferenssissa tietokonevisiosta ja kuvion tunnistamisesta kesäkuussa, mikä osoittaa, että kuvageneroinnin tulevaisuus kehittyy nopeasti. DMD-kehys tarjoaa nopeuden, laadun ja tehokkuuden yhdistelmällään merkittävän virstanpylvään tekoälyn alalla.
UKK
The source of the article is from the blog kewauneecomet.com