Generativna veštačka inteligencija (AI), uključujući modele kao što su Stable Diffusion, Midjourney i DALL-E, često se suočava s izazovima u proizvodnji konzistentnih slika, posebno kada je reč o detaljima poput simetrije lica i prikaza prstiju. Ovi modeli generalno generišu kvadratne slike, što dovodi do problema kada je zadatak kreiranje slika u različitim odnosima stranica, rezultirajući anomalijama poput dodatnih prstiju ili izobličenih oblika. Kako bi rešili ove probleme, kompjuterski naučnici na Univerzitetu Rajs razvili su ElasticDiffusion, novu metodu koja koristi unapred trenirane difuzne modele. Moajed Hadži Ali, doktorand na Rajsu, prezentovao je ovu metodu na IEEE 2024 konferenciji o kompjuterskoj viziji i prepoznavanju obrazaca u Sijetlu. Hadži Ali je objasnio da tradicionalni difuzni modeli mogu generisati slike samo na određenoj rezoluciji, što je posledica prenaučenosti, gde AI model dobro radi sa poznatim podacima, ali se muči sa varijacijama. ElasticDiffusion poboljšava pristup razdvajanjem lokalnih i globalnih informacija tokom generisanja slike, umesto da ih kombinuje.

Ovo razdvajanje pomaže da se izbegnu vizuelne nesavršenosti koje nastaju zbog ponavljajućih podataka prilikom adaptacije na nekvadratne slike. Hadži Ali je napomenuo da proces uključuje inicijalno dobijanje globalnog skora koji obuhvata celokupnu strukturu slike, nakon čega se popunjavaju pikselni detalji po segmentima. Ova metoda omogućava generisanje jasnijih slika u različitim odnosima stranica, bez potrebe za dodatnim treniranjem modela. Iako ElasticDiffusion nudi poboljšanu konzistentnost i prilagodljivost u generisanju slika, postoji i kompromis: trenutno zahteva 6-9 puta duže vreme za kreiranje slika u poređenju sa konvencionalnim difuznim modelima. Hadži Ali cilja na optimizaciju metode kako bi postigao ekvivalentna vremena zaključivanja dok zadržava sposobnost generisanja visokokvalitetnih slika bez obzira na odnos stranica.