新AIGC“扩散模型”一步生成图像,速度提高30倍
2024-04-03 01:59:50
•
阅读
打赏
“扩散模型”在人工智能内容生成(图片生成)等方面具有重要的应用潜力,而自扩散模型问世以来,减少模型训练的迭代次数一直是研究人员研究的重要问题。
麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员推出了一种新的模型框架——distribution matching distillation(DMD),将传统“扩散模型”的多步图像生成过程简化为一个步骤,其图像质量与“StableDiffusion v1.5”图像生成工具相当,且生成速度比“Stable Diffusion”、“DALLE-3”模型提高了30倍。
新方法将生成对抗性网络(GANs)的原理与扩散模型的原理结合在一起,在一个步骤中实现视觉内容生成,与当前“扩散模型”所需的数百个步骤迭代改进形成了鲜明对比,是一种新的生成式建模方法,在速度和质量方面表现出色。
DMD是第一种一步扩散模型生成技术,可以生成与原始、更复杂模型相当的图片,且在工业规模的文本到图像生成方面表现出色。在增强设计工具,实现更快的内容创建,支持药物发现和3D建模等方面具有重要应用潜力。相关工作将在将在6月举行的“计算机视觉和模式识别”会议上进行发表。
AI generates high-quality images 30 times faster in a single step | MIT News | Massachusetts Institute of Technology
相关推荐
新AIGC“扩散模型”一步生成图像,速度提高30倍
又一巨头宣布入局AIGC,一口气开源数个模型,还道出了其变现之道
深度 啥是AIGC?为什么麦肯锡认为:50%的职业将被AI取代...
什么是AIGC?与ChatGPT有什么区别?
收藏级!30套经典互联网思维研究模型
如何熟悉新业务,形成新洞察?6个业务分析模型与方法
网文大神人人唾弃的黄金三章理论,你还在当宝贝吗?
市场驱动传播趋势,通过AIDMA、AISAS认知ISMAS
商品陈列的AIDMA法则