Badacze z MIT opracowali nową strukturę o nazwie distribution matching distillation (DMD), która upraszcza proces generowania obrazów za pomocą modeli dyfuzyjnych. Tradycyjny wieloetapowy proces został skondensowany do jednego kroku, umożliwiając szybsze generowanie bez utraty jakości obrazu. Struktura DMD łączy regresję i utrzymanie odpowiedniej dystrybucji, wykorzystując jednocześnie dwa modele dyfuzyjne do prowadzenia procesu nauki i poprawy stabilności.

Nowe podejście osiąga rezultaty porównywalne z bardziej złożonymi modelami, z potencjalnymi zastosowaniami w tworzeniu treści, odkrywaniu leków i modelowaniu 3D. Dalsze postępy w modelach nauczycieli mogą poprawić jakość generowanych obrazów. Praca zostanie zaprezentowana na konferencji Computer Vision and Pattern Recognition w czerwcu.