محققان در یک دستاورد تازه، فریمورک جدیدی به نام «DiFA» را برای مدلهای انتشار (Diffusion Models) معرفی کردند که کیفیت تولید تصاویر را به طرز چشمگیری بالا میبرد.
این روش که نیازی به آموزش مجدد (Training-free) ندارد، با الهام از فیلترهای کالمن، مسیر تولید دادهها را به جای صرفاً یک محاسبات ریاضی ساده، به یک فرآیند «اجماع زمانی» هوشمند تبدیل میکند. نتیجه این کار چیست؟ جزئیات دقیقتر، نویز کمتر و تصاویری که به واقعیت نزدیکترند! این مدل روی پایگاه دادههای معروفی مثل ImageNet عملکرد خیرهکنندهای از خود نشان داده است.
منبع: arXiv Machine Learning
