محققان در پژوهش جدیدی، پارادایم نوآورانهای به نام GRN (Generative Refinement Networks) را معرفی کردهاند که دنیای تولید تصویر و ویدیو با هوش مصنوعی را دگرگون میکند.
تفاوت اصلی این مدل در چیست؟
برخلاف مدلهای Diffusion که با صرف انرژی زیاد و به صورت یکنواخت تصاویر را میسازند، GRN مثل یک هنرمند واقعی عمل میکند! این مدل با استفاده از یک مکانیسم «بازنگری و تصحیح جهانی»، جزئیات تصویر را به تدریج اصلاح و تکمیل میکند.
ویژگیهای کلیدی:
✅ حذف مشکل توکنبندیهای پرخطا (به لطف HBQ).
✅ قابلیت تطبیق هوشمند با پیچیدگی تصویر.
✅ ثبت رکوردهای جدید در کیفیت بازسازی و تولید تصویر (ImageNet).
✅ قابل استفاده در پروژههای پیچیده متنبهتصویر و متنبهویدیو.
این یعنی هوش مصنوعی در حال حرکت به سمتی است که با صرف محاسبات کمتر، خروجیهای بسیار دقیقتر و هنریتر تولید کند. منتظر کارهای شگفتانگیز این مدل در دنیای گرافیک باشید! 🚀✨
منبع: arXiv Computer Vision