谷歌携手 UC 伯克利抛出王炸 IGN:要取代扩散模型,可单步生成逼真图像

2023-11-14 07:16IT之家 - 故渊

IT之家 11 月 14 日消息,谷歌近日携手加州大学伯克利分校(UC Berkeley),研发出了可取代扩散模型(Diffusion Models)的全新生成式 AI 方法--幂等生成网络(IGN)。

包括生成对抗网络(GAN)、扩散模型(Diffusion Models)和今年 3 月 OpenAI 发布的一致性模型(Consistency Models)在内,当前主流生成式 AI 模型都是随机噪点、草图或者低分辨率或其他损坏的图像等输入,映射到与给定目标数据分布相对应的输出(通常是自然图像)来生成图像。

以扩散模型为例,在训练期间学习目标数据分布,然后通过多个步骤执行“去噪”处理。

谷歌研究团队提出了名为幂等生成网络(IGN)的全新生成模型,从任何形式的输入中生成合适的图像,理想情况下只需一步即可完成。

该模型可以想象为一种“全局投影仪”,将任何输入数据投射到目标数据分布上,和现有其它模型算法不同,不会限于特定的输入。

IGN 和 GAN、扩散模型主要有两点不同:

  • GAN 需要单独的生成器和鉴别器模型,而 IGN 是“自我对抗”的,可以同时扮演着两种角色。

  • 扩散模型需要执行增量步骤,而 IGN 可以单个步骤中将输入映射到数据分布上。

研究人员使用 MNIST 和 CelebA 数据集展示了 IGN 的潜力。该团队展示了一些应用,例如将草图转换为逼真的图像、从噪点生成图像或修复损坏的图像等。

IT之家在此附上论文详细地址,感兴趣的用户可以深入阅读。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      文章发布时间太久,仅显示热门评论
      全部评论
      请登录后查看评论
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享