MIT-forskare har utvecklat en ny ram kallad "distribution matching distillation" (DMD) som förenklar processen att generera bilder med hjälp av diffusionsmodeller. Den traditionella flerstegsprocessen kondenseras till ett enda steg vilket möjliggör snabbare generering utan att kompromissa med bildkvaliteten. DMD-ramverket kombinerar regression och distribution matching-förluster samtidigt som det drar nytta av två diffusionsmodeller för att styra träningprocessen och förbättra stabiliteten.

Det nya tillvägagångssättet uppnår jämförbara resultat med mer komplexa modeller och har potential för tillämpningar inom innehållsskapande, läkemedelsupptäckt och 3D-modellering. Ytterligare framsteg inom "teacher models" kan förbättra bildernas kvalitet. Studien kommer att presenteras vid Conference on Computer Vision and Pattern Recognition i juni.