Pesquisadores do MIT desenvolveram uma nova estrutura chamada "distribution matching distillation" (DMD) que simplifica o processo de geração de imagens usando modelos de difusão. O processo tradicional de várias etapas é condensado em uma única etapa, permitindo uma geração mais rápida sem comprometer a qualidade da imagem. A estrutura DMD combina perdas de regressão e distribuição, aproveitando dois modelos de difusão para guiar o processo de treinamento e melhorar a estabilidade.

A nova abordagem alcança resultados comparáveis ​​a modelos mais complexos, com possíveis aplicações em criação de conteúdo, descoberta de medicamentos e modelagem 3D. Avanços adicionais nos modelos de referência podem aprimorar a qualidade das imagens geradas. O estudo será apresentado na Conferência de Visão Computacional e Reconhecimento de Padrões em junho.