محققان در یک دستاورد جدید، متد «MeanFlowNFT» را معرفی کردند که انقلابی در بهینهسازی مدلهای تولید تصویر و ویدیو محسوب میشود.
تکنولوژیهای تولید سریع (Fast Generation) معمولاً با چالشهایی در کیفیت و همسویی با ترجیحات انسانی مواجه بودند. حالا با این متد جدید، میتوان از مزایای یادگیری تقویتی (RL) برای بهینهسازی مدلهای سریع استفاده کرد، بدون اینکه سرعت خیرهکننده آنها فدای کیفیت شود!
نتایج آزمایشها نشان میدهد که این روش نه تنها از مدلهای مشابه پیشی میگیرد، بلکه در بسیاری از معیارها حتی از مدلهای چندمرحلهای سنگین نیز بهتر عمل میکند. این یعنی در آینده نزدیک، مدلهای تولید ویدیو و تصویر با سرعت بسیار بالاتر و کیفیت بسیار دقیقتری در دسترس ما خواهند بود. 🤖✨
منبع: arXiv Computer Vision