Des chercheurs du MIT ont développé un nouveau cadre appelé distribution matching distillation (DMD) qui simplifie le processus de génération d'images à l'aide de modèles de diffusion. Le processus traditionnel en plusieurs étapes est condensé en une seule étape, permettant une génération plus rapide sans compromettre la qualité de l'image. Le cadre DMD combine des pertes de régression et de distribution matching tout en exploitant deux modèles de diffusion pour guider le processus d'entraînement et améliorer la stabilité.

La nouvelle approche permet d'obtenir des résultats comparables à ceux de modèles plus complexes, avec des applications potentielles dans la création de contenu, la découverte de médicaments et la modélisation 3D. Des avancées supplémentaires dans les modèles d'enseignant pourraient améliorer la qualité des images générées. L'étude sera présentée lors de la Conférence sur la vision par ordinateur et la reconnaissance de formes en juin.