محققان در مقالهای جدید، رویکرد نوآورانهای به نام ART (Adaptive Reparameterized Time) را برای مدلهای Diffusion معرفی کردهاند. این متد با استفاده از یادگیری تقویتی (Reinforcement Learning)، نحوه تخصیص زمان در فرآیند نمونهبرداری مدلهای انتشار را بهینه میکند.
به زبان ساده، به جای استفاده از زمانبندیهای ثابت و دستی که اغلب بهینه نیستند، این سیستم یاد میگیرد که در هر لحظه از فرآیند تولید تصویر، با چه سرعتی «ساعتِ» مدل را جلو ببرد تا خروجی دقیقتر و با خطای کمتری تولید شود. این تکنیک که با عنوان ART-RL شناخته میشود، میتواند روی مدلهای تولید تصویر فعلی اعمال شده و کیفیت و کارایی آنها را به طرز چشمگیری افزایش دهد.
این پژوهش گام مهمی در بهبود دقتِ مدلهای generative است که در حال حاضر ستون اصلی دنیای تصویرسازی هوشمند هستند.
منبع: arXiv AI
