拯救XR，蘋果力不從心
來源 | 光子星球撰文 | 文燁豪 編輯 | 吳先之 蘋果終于呈上了它的“答卷”。 北京時間6月6日凌晨，蘋果2023年全球開發者大會（WWDC）如期舉行。作為蘋果CEO庫克口中&ld
10 月 27 日消息，OpenAI 本周公布了一款名為 sCM（Continuous-Time Consistency Model）的新型 AI 文生圖方案。
與傳統的擴散模型相比，sCM 僅需兩個步驟即可生成高質量樣本，號稱能夠將文生圖效率提升約 50 倍，且生成的樣本質量能與“業界較強的擴散模型”相比較，為 AI 文生圖提供了新的方案。
目前業界通常使用擴散模型生成圖片及音視頻，但傳統擴散模型的取樣過程通常緩慢，通常需要數十到數百個逐步降噪的過程才能生成高質量樣本（例如小伙伴們使用SD“煉丹”繪圖就需要等待特別長的降噪時間），這使得相應模型效率低下，不適合商業化應用。
雖然目前業界已出現一些技術以加快擴散模型的速度，但無非只是利用復雜訓練過程“提純”模型，或通過降低輸出樣本質量下降以提升效率。
而OpenAI 研究團隊則提出了一種名為 sCM 的文生圖方案，這一生成模型方法繞開了傳統擴散模型范疇，號稱僅需兩個取樣步驟即可生成與擴散模型質量相當的高分辨率樣本，極大縮短了生成時間。
獲悉，sCM 訓練方法主要利用預訓練擴散模型蒸餾出來的知識直接打造模型，號稱能夠在縮短取樣時間的同時保持高質量樣本生成。
研究人員使用 ImageNet 512x512 數據集，利用 sCM 方法訓練模型，號稱能夠生成細節豐富且高質量的圖像，展示其在高分辨率生成方面的能力。盡管 sCM 只有兩個取樣步驟，生成樣本的質量仍接近業界“最佳的擴散模型”，號稱“差異不到 10%”。
本文鏈接：http://www.rrqrq.com/showinfo-45-9327-0.htmlOpenAI 公布新型 AI 文生圖方案“sCM”，號稱效率是傳統擴散模型 50 倍
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號