Yaratıcı yapay zeka (AI), Stable Diffusion, Midjourney ve DALL-E gibi modelleri içeren, özellikle yüz simetrisi ve parmak temsili gibi ayrıntılarda tutarlı görüntüler üretmekte genellikle zorlanmaktadır. Bu modeller genellikle kare görüntüler oluşturduğunda, farklı en boy oranlarında görüntü oluşturma görevi verildiğinde ek parmaklar veya bozulmuş şekiller gibi anormalliklere yol açar. Bu sorunları çözmek için Rice Üniversitesi'ndeki bilgisayar bilimcileri, önceden eğitilmiş difüzyon modellerinden yararlanan yeni bir yöntem olan ElasticDiffusion'u geliştirdiler. Rice Üniversitesi'nde doktora öğrencisi olan Moayed Haji Ali, bu yöntemi Seattle'da düzenlenen IEEE 2024 Bilgisayarla Görme ve Desen Tanıma Konferansı'nda sundu. Haji Ali, geleneksel difüzyon modellerinin yalnızca belirli bir çözünürlükte görüntü üretebildiğini ve bunun, bir AI modelinin tanıdık veriler üzerinde iyi performans gösterip, varyasyonlarla mücadelede zorlandığı aşırı uyumun bir sonucu olduğunu açıkladı. ElasticDiffusion, görüntü üretimi sırasında yerel ve genel bilgileri ayırarak yaklaşımı geliştirir, onları birleştirmek yerine.

Bu ayrım, kare olmayan görüntülere uyum sağlarken tekrarlayıcı verilerden kaynaklanan görsel kusurları önlemeye yardımcı olur. Haji Ali, sürecin başlangıçta görüntünün genel yapısını kapsayan bir küresel puanı elde etmeyi, ardından bölümlerde piksel düzeyindeki ayrıntıları doldurmayı içerdiğini belirtti. Bu yöntem, ek model eğitimi gerektirmeden, çeşitli en boy oranlarının net görüntülerinin oluşturulmasını sağlar. ElasticDiffusion, görüntü oluşturma konusunda gelişmiş tutarlılık ve uyum yetenekleri sunarken, şu anda geleneksel difüzyon modellerine kıyasla görüntü oluşturmak için 6-9 kat daha uzun süre gerektirir. Haji Ali, mevcut yöntemlerle eşdeğer sonuçlarla tutarlı yüksek kaliteli görüntüler üretme yeteneğini koruyarak yöntemi optimize etmeyi hedeflemektedir.