محققان در یک مطالعه جدید، عملکرد مدلهای نفوذی را در حل «مسائل معکوس» (مانند بهبود کیفیت تصویر یا رفع تاری) به چالش کشیدهاند. این مدلها به دلیل انعطافپذیری بالا بسیار محبوب شدهاند، اما دقتِ نمونهبرداری آنها همیشه جای سوال بوده است.
در این پژوهش، دانشمندان با تحلیل دقیق خطاهای این مدلها در توزیعهای داده گاوسی، علاوه بر مقایسه الگوریتمهای مشهور (DPS و ΠGDM)، پارادایم جدیدی به نام «CGDM» را معرفی کردند که دقت بسیار بالاتری در این زمینه دارد. این پیشرفت گام بزرگی برای افزایش دقت ابزارهای ویرایش تصویر و ویدیو در دنیای هوش مصنوعی محسوب میشود. 🧠✨
منبع: arXiv Machine Learning
