Skapandi gervigreind (AI), þ. m. t. líkön eins og Stable Diffusion, Midjourney og DALL-E, á oft í erfiðleikum með að framleiða stöðugar myndir, sérstaklega þegar kemur að smáatriðum eins og andlitssamhverfu og viðeigandi fingraframsetningu. Þessi líkön framleiða almennt ferkantaðar myndir, sem leiðir til vandamála þegar þarf að búa til myndir með mismunandi hlutföllum, sem veldur frávikum eins og aukafingrum eða afmynduðum formum. Til að takast á við þessi vandamál hafa tölvunarfræðingar hjá Rice háskóla þróað ElasticDiffusion, nýja aðferð sem nýtir fyrirfram þjálfuð dreifingarlíkön. Moayed Haji Ali, doktorsnemi við Rice, kynnti þessa aðferð á IEEE 2024 ráðstefnunni um tölvusjón og mynsturþekkingu í Seattle. Haji Ali útskýrði að hefðbundin dreifingarlíkön geta aðeins framleitt myndir með ákveðinni upplausn, sem er afleiðing oflæringar, þar sem AI líkan stendur sig vel á þekkdu gögnum en á í erfiðleikum með tilbrigði. ElasticDiffusion bætir nálgunina með því að aðgreina staðbundnar og alheimsupplýsingar meðan á myndagerð stendur, frekar en að sameina þær.

Þessi aðgreining hjálpar til við að forðast sjónrænar ófullkomleika sem koma upp vegna endurtekinna gagna við aðlögun að óferkantaðar myndir. Haji Ali tók fram að ferlið felur í sér að byrja á því að fá alheimsstig sem umlykur heildarbyggingu myndarinnar, og fylla síðan út smáatriði á pixilstigi í hlutum. Þessi aðferð gerir kleift að búa til skýrari myndir með mismunandi hlutföllum án þess að þurfi viðbótar þjálfun líkana. Þó ElasticDiffusion bjóði upp á aukna stöðugleika og aðlögunarhæfni í myndagerð, þá þarf það nú 6-9 sinnum lengri tíma til að búa til myndir samanborið við hefðbundin dreifingarlíkön. Haji Ali stefnir að því að hámarka aðferðina til að ná sambærilegum ályktunartímum en viðhalda getu til að framleiða hágæða myndir óháð hlutföllum.