محققان در مقاله جدید خود به سراغ یکی از پرسشهای اساسی در دنیای مدلهای Diffusion رفتهاند: «مدلهای هوش مصنوعی دقیقاً به چه میزان نویز و در چه سطحی برای آموزش نیاز دارند؟»
تا امروز، انتخاب زمانبندی نویزها (Noise Schedule) بیشتر بر اساس حدس و گمان یا تنظیمات تجربی بود، اما این مطالعه یک چارچوب آماری دقیق ارائه داده است. یافتهها نشان میدهد که میتوان با بهینهسازی سطوح نویز، کارایی آموزش مدلها را بهطور چشمگیری بهبود بخشید. این رویکرد جدید که بر پایه تئوری اطلاعات و آنتروپی بنا شده، به مدلها کمک میکند تا با دقت بیشتری یاد بگیرند و محتوای باکیفیتتری تولید کنند.
پیشرفتهای اینچنینی، زیربنای اصلی ارتقای کیفیت در مدلهای تولید تصویر و ویدیو هستند که هر روز با آنها سروکار داریم. ✨
منبع: arXiv AI
