Төрөлжүүлсэн хиймэл оюун ухаан (ХОУ), Stable Diffusion, Midjourney, болон DALL-E зэрэг загварууд нь ялангуяа нүүрний симметри болон хурууны нарийн дүрслэлүүд дээр тохиромжтой дүрс бүтээхэд ихэвчлэн асуудалтай байдаг. Эдгээр загварууд ерөнхийдөө дөрвөлжин дүрсүүдийг бүтээдэг бөгөөд өөр өөр хэмжээтэй дүрсүүдийг бүтээх үед илүүдэл хуруу эсвэл гажуудсан хэлбэрүүд зэрэг асуудлууд үүсгэдэг. Эдгээр асуудлыг шийдвэрлэхийн тулд Райсын их сургуулийн компьютерийн шинжлэх ухааны эрдэмтэд урьд нь сургасан тараах загваруудыг ашиглан ElasticDiffusion гэдэг шинэ аргыг боловсруулсан байна. Райсын их сургуулийн докторын оюутан Моайд Хажи Али уг аргыг Сиэтлд зохиогдсон IEEE 2024 оны Компьютерийн дүрслэл болон Хэлбэр танилтын бага хурал дээр танилцуулсан байна. Хажи Али уламжлалт тараах загварууд нь зөвхөн нэг тодорхой нягтралаар дүрс бүтээх чадвартай байдаг гэж тайлбарласан нь, ХОУ загвар танил бус өгөгдлүүд дээр муу ажиллалыг үүсгэдэг илүүдэл тохируулгаас болдог. ElasticDiffusion аргыг дүрс бүтээх үед орон нутгийн болон глобал мэдээллийг салгаж сайжруулдаг бөгөөд тэдгээрийг нэгтгэхгүй.

Энэ салгалт нь дөрвөлжин бус дүрсүүдэд адаптлагдсан үед давтагдах өгөгдлөөс үүсэн харааны согогуудыг зайлсхийхэд тусалдаг. Хажи Али дүрсний бүх бүтцийг харуулсан глобал оноог анх авч, дараа нь пикселийн түвшний нарийн ширийн зүйлсийг хэсэгчилж бүрдүүлдэг гэж тэмдэглэсэн байна. Энэ арга нь нэмэлт загварын сургалтгүйгээр янз бүрийн хэмжээтэй тод дүрсүүдийг бүтээх боломжийг олгодог. ElasticDiffusion дүрс бүтээхэд илүү тогтвортой байдал, дасан зохицох чадварыг санал болгодог ч түүний сул тал нь хэмнэлтэй харьцуулахад 6-9 дахин удаан хугацааг шаарддаг. Хажи Али уг аргыг оновчтой болгож, одоогийн байгаа арга барилтай адил хугацаанд өндөр чанартай дүрсүүдийг бий болгох боломжтой болгоход зорьж байна.