แบบจำลองการแพร่กระจาย

โมเดลการแพร่กระจายทำงานโดยการเรียนรู้ที่จะย้อนกลับกระบวนการเพิ่มสัญญาณรบกวน ในระหว่างการฝึก ภาพที่สะอาดจะค่อยๆ เสียหายโดยการเพิ่มสัญญาณรบกวนแบบเกาส์เซียนในแต่ละขั้นตอน จนกระทั่งเหลือเพียงสัญญาณรบกวนแบบสุ่มเท่านั้น จากนั้นโมเดลจะเรียนรู้ที่จะคาดการณ์และกำจัดสัญญาณรบกวนในแต่ละขั้นตอน และเรียนรู้ที่จะสร้างภาพใหม่จากสัญญาณรบกวนได้อย่างมีประสิทธิภาพ ในระหว่างการสร้าง กระบวนการจะเริ่มต้นด้วยสัญญาณรบกวนแบบสุ่มและทำซ้ำๆ เพื่อให้ได้ภาพที่ละเอียดและสอดคล้องกัน แต่ละขั้นตอนการลดสัญญาณรบกวนจะปรับแต่งภาพเพิ่มเติม โดยเริ่มจากรูปทรงและสีที่กว้างไปจนถึงรายละเอียดและพื้นผิวที่ละเอียดอ่อน\n\nสถาปนิกที่ใช้เครื่องมือตามแบบจำลองการแพร่กระจายสามารถสร้างแนวคิดการออกแบบตกแต่งภายในที่เหมือนจริงได้ เริ่มต้นจากคำอธิบายข้อความของห้องครัวทันสมัยพร้อมเคาน์เตอร์หินอ่อน แบบจำลองเริ่มต้นด้วยสัญญาณรบกวนแบบสุ่ม และค่อยๆ แก้ไขเป็นการแสดงภาพสถาปัตยกรรมที่มีรายละเอียด ลักษณะการทำซ้ำของกระบวนการทำให้แบบจำลองสามารถรักษาการเชื่อมโยงกันทั่วโลก (มุมมองที่ถูกต้อง แสงที่สม่ำเสมอ) ในขณะที่เพิ่มรายละเอียดในท้องถิ่น (ลายหินอ่อน ฮาร์ดแวร์ของตู้ ยาแนวกระเบื้อง) ในขั้นตอนต่อมา\n\nแบบจำลองการแพร่กระจายแสดงถึงความก้าวหน้าที่สำคัญเหนือแนวทางกำเนิดก่อนหน้านี้ Generative Adversarial Networks (GANs) ซึ่งเป็นเทคโนโลยีใหม่ล่าสุด บางครั้งทำให้เกิดการล่มสลายของโหมด (สร้างความหลากหลายที่จำกัด) หรือความไม่เสถียรในการฝึกอบรม โมเดลการแพร่กระจายฝึกความเสถียรมากขึ้น สร้างความหลากหลายมากขึ้น และให้การควบคุมกระบวนการสร้างที่ดีขึ้น นอกจากนี้ยังรองรับการดำเนินการแก้ไขอย่างเป็นธรรมชาติ เช่น การลงสีและการลงสีภายนอกโดยการปรับกระบวนการลดสัญญาณรบกวนบนขอบเขตภาพที่มีอยู่\n\nMagic Eraser ความสามารถของ AI ขับเคลื่อนโดยเทคโนโลยีโมเดลการแพร่กระจาย เมื่อเครื่องมือเติมเต็มพื้นที่หลังจากการลบวัตถุ สร้างเนื้อหาพื้นหลังใหม่ หรือสร้างส่วนขยายรูปภาพ เครื่องมือจะใช้การลดสัญญาณรบกวนแบบวนซ้ำเพื่อสร้างเนื้อหาที่สมจริงเหมือนภาพถ่ายและสอดคล้องกับบริบทของรูปภาพโดยรอบ กระบวนการปรับแต่งแบบวนซ้ำช่วยให้แบบจำลองสามารถแก้ไขข้อผิดพลาดของตัวเองในแต่ละขั้นตอน ปรับปรุงความเชื่อมโยงและรายละเอียดของเนื้อหาที่สร้างขึ้นอย่างต่อเนื่องในลักษณะที่วิธีการสร้างแบบรอบเดียวไม่สามารถทำได้ ซึ่งเป็นเหตุผลว่าทำไมวิธีการที่ใช้การแพร่กระจายจึงสร้างสิ่งประดิษฐ์ทางการมองเห็นน้อยลงอย่างเห็นได้ชัดและผลลัพธ์ที่สอดคล้องกันมากขึ้น