Kecerdasan buatan generatif (AI), termasuk model seperti Stable Diffusion, Midjourney dan DALL-E, sering menghadapi masalah dalam menghasilkan imej yang konsisten, terutamanya dalam hal butiran seperti simetri wajah dan representasi jari yang sesuai. Model-model ini secara amnya menghasilkan imej segi empat sama, menyebabkan isu apabila diminta untuk mencipta imej dalam nisbah aspek yang berbeza, menghasilkan anomali seperti jari tambahan atau bentuk yang terdistorsi. Untuk menangani masalah ini, saintis komputer di Universiti Rice telah membangunkan ElasticDiffusion, sebuah kaedah baharu yang memanfaatkan model resapan yang telah dilatih terlebih dahulu. Moayed Haji Ali, seorang pelajar kedoktoran di Rice, membentangkan kaedah ini di Persidangan IEEE 2024 tentang Visi Komputer dan Pengecaman Corak di Seattle. Haji Ali menjelaskan bahawa model resapan tradisional hanya boleh menghasilkan imej pada resolusi tertentu, yang merupakan akibat daripada overfitting, di mana model AI berprestasi baik pada data yang biasa tetapi menghadapi kesukaran dengan variasi. ElasticDiffusion meningkatkan pendekatan dengan memisahkan maklumat tempatan dan global semasa penghasilan imej, dan bukannya menggabungkannya.

Pemisahan ini membantu mengelakkan ketidaksempurnaan visual yang timbul daripada data berulang apabila menyesuaikan dengan imej yang bukan segi empat sama. Haji Ali menyatakan bahawa proses ini melibatkan pengambilan skor global yang merangkumi struktur keseluruhan imej terlebih dahulu, diikuti dengan mengisi butiran pada tahap piksel dalam bahagian-bahagian tertentu. Kaedah ini membolehkan penghasilan imej yang lebih jelas dalam pelbagai nisbah aspek tanpa memerlukan latihan model tambahan. Walaupun ElasticDiffusion menawarkan konsistensi dan penyesuaian yang dipertingkatkan dalam penghasilan imej, ia datang dengan kompromi: ia kini memerlukan 6-9 kali lebih lama untuk mencipta imej berbanding model resapan konvensional. Haji Ali bercadang untuk mengoptimumkan kaedah ini bagi mencapai masa inferens yang setara sambil mengekalkan keupayaan untuk menghasilkan imej berkualiti tinggi tanpa mengira nisbah aspek.