هوش مصنوعی مولد، شامل مدل‌هایی مانند Stable Diffusion، Midjourney و DALL-E، اغلب با تولید تصاویر یکنواخت مشکل دارد، به‌خصوص زمانی که به جزئیات مانند تقارن صورت و نمایش مناسب انگشت‌ها می‌پردازد. این مدل‌ها عموماً تصاویر مربعی تولید می‌کنند و در نتیجه هنگامی که موظف به ایجاد تصاویر در نسبت‌های متفاوت می‌شوند، باعث ایجاد ناهنجاری‌هایی مانند انگشت‌های اضافی یا شکل‌های تحریف‌شده می‌شوند. برای حل این مشکلات، دانشمندان کامپیوتر در دانشگاه رایس روش جدیدی به نام ElasticDiffusion توسعه داده‌اند که از مدل‌های انتشار پیش‌آموزش‌یافته بهره می‌برد. مواید حاجی علی، دانشجوی دکتری در دانشگاه رایس، این روش را در کنفرانس بین‌المللی IEEE 2024 در زمینه تشخیص الگو و بینایی کامپیوتر در سیاتل ارائه کرد. حاجی علی توضیح داد که مدل‌های انتشار سنتی تنها می‌توانند تصاویر را در وضوح خاصی تولید کنند، که این نتیجه هم‌پوشانی بیش از حد است، جایی که مدل هوش مصنوعی بر روی داده‌های آشنا به خوبی عمل می‌کند اما با تنوع‌ها مشکل دارد. ElasticDiffusion رویکرد را با جدا کردن اطلاعات محلی و جهانی در طول تولید تصویر بهبود می‌بخشد، به‌جای ترکیب آن‌ها.

این جدایش کمک می‌کند از نقص‌های بصری ناشی از داده‌های تکراری هنگام سازگاری با تصاویر غیر مربعی اجتناب شود. حاجی علی اشاره کرد که این فرآیند شامل ابتدا دریافت امتیاز جهانی که ساختار کلی تصویر را در بر می‌گیرد، و سپس پر کردن جزئیات در سطح پیکسل در بخش‌ها است. این روش امکان تولید تصاویر روشن‌تر را در نسبت‌های متفاوت فراهم می‌کند بدون نیاز به آموزش مدل اضافی. در حالی که ElasticDiffusion یکنواختی و انعطاف‌پذیری بیشتری در تولید تصاویر ارائه می‌دهد، با یک تبادل همراه است: در حال حاضر برای ایجاد تصاویر به مدت ۶-۹ برابر بیشتر نسبت به مدل‌های انتشار معمول زمان می‌برد. حاجی علی هدف دارد تا این روش را بهینه کند تا زمان استنباط معادل دستیابی شود در حالی که توانایی تولید تصاویر با کیفیت بالا بدون توجه به نسبت ابعاد حفظ شود.