محققان در جدیدترین دستاورد خود، مدل جدیدی به نام «MIMFlow» را معرفی کردهاند که دنیای تولید تصویر با هوش مصنوعی را یک گام به جلو برده است. این مدل با ترکیب دو فناوری قدرتمندِ «مدلسازی ماسکشده تصویر (MIM)» و «نرمالسازی جریان (Normalizing Flows)»، مشکل قدیمیِ عدم تعادل بین جزئیات پیکسلی و ساختارهای معنایی را حل کرده است.
ویژگیهای کلیدی MIMFlow:
✅ مدیریت هوشمندِ جزئیات در کنار ساختار کلی تصویر
✅ کاهش ۵۰ درصدی توکنهای مورد نیاز نسبت به مدلهای استاندارد
✅ عملکرد بسیار بهتر در تولید تصاویر باکیفیت و منسجم
اگر برنامهنویس هستید یا در حوزه بینایی ماشین فعالیت میکنید، میتوانید کد این پروژه را در گیتهاب بررسی کنید.
منبع: arXiv Computer Vision