Difüzyon Modeli

Yayılma modelleri, gürültü ekleme sürecini tersine çevirmeyi öğrenerek çalışır. Eğitim sırasında temiz görüntüler, yalnızca rastgele gürültü kalana kadar her adımda Gauss gürültüsü eklenerek aşamalı olarak bozulur. Model daha sonra her adımda gürültüyü tahmin etmeyi ve gidermeyi öğrenerek görüntüleri gürültüden yeniden oluşturmayı etkili bir şekilde öğrenir. Üretim sırasında süreç, saf rastgele gürültüyle başlar ve onu yinelemeli olarak tutarlı, ayrıntılı bir görüntüye dönüştürür. Gürültüyü gideren her adım, geniş şekil ve renklerden ince ayrıntılara ve dokulara doğru ilerleyerek görüntüyü daha da iyileştirir.\n\nYayılma modeli tabanlı bir araç kullanan bir mimar, fotogerçekçi iç tasarım konseptleri oluşturabilir. Mermer tezgahlı modern bir mutfağın metin açıklamasından yola çıkan model, rastgele gürültüyle başlıyor ve onu aşamalı olarak ayrıntılı bir mimari görselleştirmeye dönüştürüyor. Sürecin yinelemeli doğası, modelin daha sonraki adımlarda yerel ayrıntıları (mermer damarı, dolap donanımı, fayans harcı) eklerken küresel tutarlılığı (doğru perspektif, tutarlı aydınlatma) korumasına olanak tanır.\n\nDağıtım modelleri, önceki üretken yaklaşımlara göre önemli bir ilerlemeyi temsil eder. Tekniğin önceki durumu olan Üretken Çekişmeli Ağlar (GAN'ler), bazen mod çöküşüne (sınırlı çeşitlilik oluşturarak) veya eğitim istikrarsızlığına neden oluyordu. Difüzyon modelleri daha istikrarlı bir şekilde eğitim verir, daha yüksek çeşitlilik üretir ve üretim süreci üzerinde daha iyi kontrol sunar. Ayrıca mevcut görüntü bölgelerindeki gürültü giderme sürecini şartlandırarak iç boyama ve dış boyama gibi düzenleme işlemlerini de doğal olarak desteklerler.\n\nMagic Eraser'nin yapay zeka yetenekleri, yayılma modeli teknolojisi tarafından desteklenmektedir. Araç, nesne kaldırıldıktan sonra alanları doldurduğunda, yeni arka plan içeriği oluşturduğunda veya görüntü uzantıları oluşturduğunda, fotogerçekçi ve çevredeki görüntüyle bağlamsal olarak tutarlı içerik üretmek için yinelemeli gürültü gidermeyi kullanır. Yinelemeli iyileştirme süreci, modelin her adımda kendi hatalarını düzeltmesine olanak tanıyarak, oluşturulan içeriğin tutarlılığını ve ayrıntısını, tek geçişli oluşturma yöntemlerinin başaramayacağı bir şekilde aşamalı olarak geliştirir; bu nedenle difüzyon temelli yaklaşımlar, gözle görülür derecede daha az görsel yapaylık ve daha tutarlı sonuçlar üretir.