Mô hình khuếch tán

Mô hình khuếch tán hoạt động bằng cách học cách đảo ngược quá trình thêm tiếng ồn. Trong quá trình huấn luyện, các hình ảnh sạch sẽ bị hỏng dần dần bằng cách thêm nhiễu Gaussian ở mỗi bước cho đến khi chỉ còn lại nhiễu ngẫu nhiên. Sau đó, mô hình sẽ học cách dự đoán và loại bỏ nhiễu ở mỗi bước, học cách tái tạo lại hình ảnh từ nhiễu một cách hiệu quả. Trong quá trình tạo, quá trình bắt đầu với nhiễu ngẫu nhiên thuần túy và khử nhiễu lặp đi lặp lại thành một hình ảnh chi tiết, mạch lạc. Mỗi bước khử nhiễu sẽ tinh chỉnh hình ảnh sâu hơn, tiến triển từ các hình dạng và màu sắc rộng đến các chi tiết và kết cấu đẹp mắt.\n\nMột kiến ​​trúc sư sử dụng công cụ dựa trên mô hình khuếch tán có thể tạo ra các ý tưởng thiết kế nội thất giống như ảnh chụp. Bắt đầu từ văn bản mô tả một nhà bếp hiện đại với mặt bàn bằng đá cẩm thạch, mô hình bắt đầu với tiếng ồn ngẫu nhiên và dần dần phân giải nó thành hình ảnh kiến ​​trúc chi tiết. Bản chất lặp đi lặp lại của quy trình cho phép mô hình duy trì sự gắn kết tổng thể (phối cảnh chính xác, ánh sáng nhất quán) trong khi thêm chi tiết cục bộ (hạt đá cẩm thạch, phần cứng tủ, vữa gạch) ở các bước sau.\n\nCác mô hình khuếch tán thể hiện một tiến bộ đáng kể so với các phương pháp tổng hợp trước đó. Mạng đối thủ sáng tạo (GAN), trạng thái tiên tiến trước đây, đôi khi tạo ra sự sụp đổ chế độ (tạo ra sự đa dạng hạn chế) hoặc sự mất ổn định trong đào tạo. Các mô hình khuếch tán huấn luyện ổn định hơn, tạo ra sự đa dạng cao hơn và mang lại khả năng kiểm soát tốt hơn trong quá trình tạo. Chúng cũng hỗ trợ các hoạt động chỉnh sửa một cách tự nhiên như inpainting và outpainting bằng cách điều chỉnh quá trình khử nhiễu trên các vùng hình ảnh hiện có.\n\nMagic Eraser khả năng AI được hỗ trợ bởi công nghệ mô hình khuếch tán. Khi công cụ lấp đầy các khu vực sau khi loại bỏ đối tượng, tạo nội dung nền mới hoặc tạo phần mở rộng hình ảnh, nó sẽ sử dụng tính năng khử nhiễu lặp lại để tạo ra nội dung mang tính chân thực và phù hợp về ngữ cảnh với hình ảnh xung quanh. Quá trình tinh chỉnh lặp đi lặp lại cho phép mô hình sửa lỗi của chính nó ở mỗi bước, cải thiện dần dần tính mạch lạc và chi tiết của nội dung được tạo theo cách mà các phương pháp tạo một lần không thể đạt được, đó là lý do tại sao các phương pháp tiếp cận dựa trên khuếch tán tạo ra ít tạo tác trực quan hơn đáng kể và kết quả nhất quán hơn.