Model Difusi

Model difusi bekerja dengan belajar membalikkan proses penambahan kebisingan. Selama pelatihan, gambar bersih semakin rusak dengan menambahkan noise Gaussian di setiap langkah hingga hanya noise acak yang tersisa. Model kemudian belajar memprediksi dan menghilangkan noise di setiap langkah, secara efektif belajar merekonstruksi gambar dari noise. Selama pembuatan, proses dimulai dengan noise acak murni dan secara iteratif menghilangkan noise tersebut menjadi gambar yang koheren dan detail. Setiap langkah penghilangan noise menyempurnakan gambar lebih lanjut, mulai dari bentuk dan warna luas hingga detail dan tekstur halus.\n\nSeorang arsitek yang menggunakan alat berbasis model difusi dapat menghasilkan konsep desain interior fotorealistik. Dimulai dari deskripsi teks dapur modern dengan meja marmer, model dimulai dengan kebisingan acak dan secara bertahap menyelesaikannya menjadi visualisasi arsitektur yang mendetail. Sifat proses yang berulang memungkinkan model mempertahankan koherensi global (perspektif yang benar, pencahayaan yang konsisten) sambil menambahkan detail lokal (butir marmer, perangkat keras kabinet, nat ubin) pada langkah selanjutnya.\n\nModel difusi menunjukkan kemajuan yang signifikan dibandingkan pendekatan generatif sebelumnya. Generative Adversarial Networks (GANs), yang merupakan teknologi canggih sebelumnya, terkadang menyebabkan keruntuhan mode (menghasilkan variasi terbatas) atau ketidakstabilan pelatihan. Model difusi berlatih lebih stabil, menghasilkan keragaman yang lebih tinggi, dan menawarkan kontrol yang lebih baik terhadap proses pembangkitan. Mereka juga secara alami mendukung operasi pengeditan seperti inpainting dan outpainting dengan mengkondisikan proses denoising pada wilayah gambar yang ada.\n\nMagic Eraser Kemampuan AI didukung oleh teknologi model difusi. Saat alat ini mengisi area setelah penghapusan objek, menghasilkan konten latar belakang baru, atau membuat ekstensi gambar, alat ini menggunakan penolakan berulang untuk menghasilkan konten yang fotorealistik dan konsisten secara kontekstual dengan gambar di sekitarnya. Proses penyempurnaan berulang memungkinkan model untuk memperbaiki kesalahannya sendiri di setiap langkah, secara progresif meningkatkan koherensi dan detail konten yang dihasilkan dengan cara yang tidak dapat dicapai oleh metode pembuatan sekali jalan, itulah sebabnya pendekatan berbasis difusi menghasilkan artefak visual yang jauh lebih sedikit dan hasil yang lebih konsisten.