محققان تکنیک جدیدی به نام D2PO (Dynamic Direct Preference Optimization) معرفی کردند که تحولی در کیفیت خروجی مدلهای انتشار (Diffusion Models) ایجاد میکند.
مشکل اصلی مدلهای فعلی این است که وقتی برای افزایش سرعتِ تولید تصویر (کاهش NFE) آموزش میبینند، جزئیات دقیق و بافتهای ظریف تصویر را از دست میدهند. D2PO با استفاده از مفهوم «بهینهسازی ترجیحی»، به جای تقلید کورکورانه از معلم، به سیستم یاد میدهد که چطور به صورت پویا کیفیت خروجی را در هر مرحله بهبود دهد.
این یعنی در آینده نزدیک شاهد تصاویر خروجی با جزئیات خیرهکنندهتر و ساختار دقیقتر توسط مدلهای هوش مصنوعی خواهیم بود که سرعت بالایی هم دارند! 🚀✨
منبع: arXiv AI