فریم‌ورک Diffusion Controller تولید تصاویر هوش مصنوعی را ساده‌تر می‌کند
محققان گوگل فریم‌ورک Diffusion Controller را به عنوان یک شبکه میراگر فرمان سبک‌وزن معرفی کرده‌اند که فرآیند تولید تصویر را برای تطابق بهتر با دستورات متنی هدایت می‌کند. این ابزار بدون نیاز به دسترسی به کدهای اصلی، روی مدل‌های منبع‌بسته نیز قابل اجرا است.
مدل‌های هوش مصنوعی متن‌به‌تصویر پیشرفت چشمگیری داشته‌اند، اما هدایت دقیق آن‌ها برای برآورده ساختن دستورات پیچیده کاربران همچنان یک چالش است. روش‌های موجود برای تنظیم مدل‌ها یا به تکنیک‌های زمان استنتاج وابسته‌اند و یا نیازمند تنظیم دقیق پارامترها هستند که رویکردی مجزا و تکه‌تکه محسوب می‌شود.
برای حل این مشکل، گوگل فریم‌ورک Diffusion Controller را معرفی کرده است. این فریم‌ورک فرایند حذف نویز در مدل‌های انتشار را به عنوان یک مسئله کنترل پیوسته مدل‌سازی می‌کند. ایده اصلی این است که مدل پایه دست‌نخورده باقی بماند و یک شبکه میراگر فرمان سبک‌وزن به آن متصل شود تا مسیر تولید تصویر را به صورت پویا تنظیم کند.
نتایج ارزیابی‌ها نشان می‌دهد که Diffusion Controller در مقایسه با استانداردهای فعلی عملکرد بهتری در تطابق با ترجیحات انسانی دارد و حتی روی مدل‌های منبع‌بسته و محدود نیز بدون دسترسی به وزن‌های داخلی قابل استفاده است. این رویکرد انعطاف‌پذیری بالایی در تنظیم میزان اعمال محدودیت‌ها در زمان اجرا فراهم می‌کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.