जनरेटिव्ह कृत्रिम बुद्धिमत्ता (AI), ज्यामध्ये स्थिर विसरण, मिडजर्नी, आणि DALL-E सारख्या मॉडेल्सचा समावेश आहे, कायमस्वरूपी प्रतिमा तयार करण्यात संघर्ष करतात, विशेषतः चेहऱ्याच्या सममिती आणि योग्य बोटांच्या प्रतिनिधित्वासारख्या तत्त्वांमध्ये. ही मॉडेल्स सामान्यतः चौकोनी प्रतिमा तयार करतात, ज्यामुळे विविध आस्पेक्ट रेशोमध्ये प्रतिमा तयार करताना समस्यां निर्माण होतात, ज्यामुळे अनियमितता जसे अतिरिक्त बोटे किंवा विकृत आकार. या समस्यांचा निराकरण करण्यासाठी, रायस विद्यापीठातील संगणक शास्त्रज्ञांनी प्री-ट्रेन सीधे विसरणी मॉडेल्स वापरत नवीन पद्धती विकसित केली आहे जिचे नाव आहे ElasticDiffusion. रायस विद्यापीठातील डॉक्टोरल विद्यार्थी मोएद हाजी अली यांनी IEEE 2024 कॉन्फरन्स ऑन कंप्यूटर व्हिजन एंड पॅटर्न रिकग्निशनमध्ये सिएटलमध्ये ही पद्धत सादर केली. हाजी अली यांनी स्पष्ट केले की पारंपारिक विसरणी मॉडेल्स फक्त एका विशिष्ट रिजोल्यूशनवर प्रतिमा तयार करू शकतात, जे अतीतत्कारणाचा परिणाम आहे, जिथे एक AI मॉडेल परिचित डेटावर चांगले काम करते परंतु बदलांमध्ये संघर्ष करते. ElasticDiffusion मध्ये प्रतिमा निर्माण करताना स्थानिक आणि ग्लोबल माहिती वेगळे केली जाते, हे धोरण सुधारले आहे.

ही वेगळी पद्धत पुनरावृत्ति डेटा सीमांत प्रतिमांमध्ये दृश्य अपूर्णता टाळण्यासाठी मदत करते. हाजी अली यांनी नमूद केले की हा प्रक्रिया प्रथमतः प्रतिमेच्या संरचनेचा समग्र गुण मिळवून प्रारंभ करते, नंतर विभागांमध्ये पिक्सेल-स्तरीय तपशील भरते. ही पद्धत अतिरिक्त मॉडेल प्रशिक्षणाशिवाय विविध आस्पेक्ट रेशोमध्ये स्पष्ट प्रतिमा निर्माण करण्यास सक्षम करते. ElasticDiffusion प्रतिमा निर्मितीत सुसंगती आणि उपयोज्यता वाढविताना, त्याच्या विपरीत एक व्यापार-उतार आहे: सध्याच्या विसरणी मॉडेल्सच्या तुलनेत प्रतिमा तयार करण्यासाठी 6-9 पटीनी अधिक वेळ लागतो. हाजी अली या पद्धतीला अनुकूल वेळ मिळण्यासाठी सुधारण्याचे उद्दिष्ट ठेवतात, तसेच कोणत्याही आस्पेक्ट रेशोमध्ये उच्च-गुणवत्तेच्या प्रतिमा तयार करण्याची क्षमता राखताना.