Генеративната вештачка интелигенција (ИВ), вклучувајќи модели како што се Stable Diffusion, Midjourney и DALL-E, често се соочува со проблеми при создавање конзистентни слики, особено кога станува збор за детали како што се симетријата на лицето и соодветното претставување на прстите. Овие модели генерално создаваат квадратни слики, што води до проблеми кога се задава задача за создавање слики во различни соодносни формати, резултирајќи во аномалии како дополнителни прсти или изобличени форми. За да ги адресираат овие проблеми, компјутерските научници од Универзитетот Рајс развиле ElasticDiffusion, нов метод кој искористува претходно обучени модели на дифузија. Мојед Хаџи Али, докторски студент на Универзитетот Рајс, го претстави овој метод на IEEE 2024 Конференцијата за компјутерска визија и препознавање на патерни во Сиетл. Хаџи Али објасни дека традиционалните модели на дифузија можат да генерираат слики само на одредена резолуција, што е последица на преголемо прилагодување, каде што моделот на ИВ работи добро со познати податоци, но се мачи со варијации. ElasticDiffusion го подобрува пристапот со разделување на локалната и глобалната информација за време на создавањето на сликите, наместо да ги комбинира.

Ова разделување помага да се избегнат визуелни несаканости кои ariseираат од повторливите податоци при прилагодување на неквадратни слики. Хаџи Али забележа дека процесот вклучува првично добивање глобален резултат кој ја капсулира целосната структура на сликата, по што следи пополнување на пикселните детали во секциите. Овој метод овозможува генерирање на појасни слики во различни соодноси без потреба од дополнително тренирање на моделот. Додека ElasticDiffusion нуди подобрена конзистентност и адаптибилност во создавањето на слики, тој доаѓа со компромис: моментално му потребно 6-9 пати подолго за да создаде слики во споредба со конвенционалните дифузни модели. Хаџи Али цели да го оптимизира методот за да постигне еквивалентно време за инференција, додека ја задржува способноста за генерирање висококвалитетни слики без оглед на соодносот.