محققان در یک پژوهش ساختارشکنانه، معماری مدلهای تولیدی (Diffusion Models) را به چالش کشیدهاند. تا امروز، مدلهای دیفیوژن برای درک میزان نویز در هر مرحله از تولید تصویر، به شدت به «تایماستمپها» (Timestep Embeddings) وابسته بودند.
اما یافتههای جدید نشان میدهد که این سیگنالهای زمانی، در بسیاری از مواقع «اضافی» هستند! 🤯 نتایج آزمایشها ثابت کرده که معماریهای مدرن میتوانند بدون نیاز به این ورودیهای صریح، کیفیت خروجی بهتری ارائه دهند و ساختار تصویر را هوشمندانهتر حفظ کنند. این یعنی راه برای طراحی مدلهای سبکتر و بهینهتر باز شده است. پیش به سوی دنیای هوش مصنوعیِ کارآمدتر! 🚀
منبع: arXiv Computer Vision