Generativna umetna inteligenca (AI), vključno z modeli, kot so Stable Diffusion, Midjourney in DALL-E, pogosto naleti na težave pri ustvarjanju doslednih slik, še posebej ko gre za podrobnosti, kot sta simetrija obraza in ustrezna predstavitev prstov. Ti modeli običajno generirajo kvadratne slike, kar povzroča težave pri ustvarjanju slik v različnih razmerjih stranic, kar vodi do anomalij, kot so dodatni prsti ali popačene oblike. Za reševanje teh težav so računalniški znanstveniki na univerzi Rice razvili ElasticDiffusion, nov pristop, ki izkorišča vnaprej naučene modele difuzije. Moayed Haji Ali, doktorski študent na univerzi Rice, je ta način predstavil na konferenci IEEE 2024 o računalniškem vidu in prepoznavanju vzorcev v Seattlu. Haji Ali je pojasnil, da tradicionalni modeli difuzije lahko ustvarjajo slike samo pri določeni ločljivosti, kar je posledica prekomerne prilagoditve, kjer se model AI dobro obnese na znanim podatkih, vendar ima težave z variacijami. ElasticDiffusion izboljšuje pristop z ločevanjem lokalnih in globalnih informacij med generiranjem slike, namesto da bi jih kombiniral.

Ta ločitev pomaga preprečiti vizualne nepravilnosti, ki izhajajo iz ponavljajočih se podatkov pri prilagajanju na nesorodne slike. Haji Ali je poudaril, da postopek vključuje začetno pridobivanje globalne ocene, ki zajema splošno strukturo slike, nato pa sledi izpolnjevanje podrobnosti na ravni slikovnih pik v odsekih. Ta metoda omogoča generiranje jasnejših slik v različnih razmerjih stranic brez potrebe po dodatnem usposabljanju modela. Medtem ko ElasticDiffusion ponuja izboljšano doslednost in prilagodljivost pri generiranju slik, to prinaša kompromis: trenutno traja 6-9 krat dlje za ustvarjanje slik v primerjavi s konvencionalnimi modeli difuzije. Haji Ali si prizadeva optimizirati metodo, da bi dosegli enakovredne čase inferenčnega sklepanja, obenem pa ohranili sposobnost generiranja visokokakovostnih slik ne glede na razmerje stranic.