🔍 تحلیلی جدید بر مدل‌های دیفیوژن: رازهای پشت مدل‌های چندمرحله‌ای

محققان در مطالعه اخیر خود ابزار جدیدی به نام «کاوشگر تجزیه‌پذیر» (Decomposable Probe) طراحی کرده‌اند تا بفهمند مدل‌های هوش مصنوعی تصویرساز (مانند SD3.5 و FLUX) چطور یاد می‌گیرند و چرا در فرآیند تقطیر (Distillation) رفتار متفاوتی نشان می‌دهند.

این تحقیق نشان می‌دهد که می‌توان لایه‌های مختلف مدل را برای درک بهتر نحوه پاسخ‌دهی به پرامپت‌ها و پیش‌بینی نویز دسته‌بندی کرد. یکی از نتایج جالب این است که مدل‌های مبتنی بر «Rectified-Flow» رفتاری کاملاً متمایز از مدل‌های قدیمی‌تر مبتنی بر «Epsilon-prediction» دارند.

این دستاورد به توسعه‌دهندگان کمک می‌کند تا مدل‌های سریع‌تر و دقیق‌تری برای تولید تصویر بسازند. 🎨🚀

منبع: arXiv Computer Vision