Brzmi niesamowicie, ale to tylko termodynamika zastosowana do pikseli.
Modele dyfuzyjne są siłą napędową wielu hiperrealistycznych obrazów, które widzimy dzisiaj. Nie tworzą sztuki z niczego. Zamiast tego polegają na pewnej sztuczce obliczeniowej: odwróceniu chaosu.
Proces rozpoczyna się od zbioru danych. Prawdziwe dane. Fotografie, rysunki, obrazy. Następnie model celowo zniekształca te dane, dodając szum. Czy znasz zakłócenia występujące w starym telewizorze? To jest rodzaj hałasu, który jest tutaj dodawany. Oryginalny obraz staje się nierozpoznawalny. To po prostu szum statyczny.
Następnie rozpoczyna się proces odwrotny.
Model krok po kroku uczy się usuwania hałasu. Zaczyna się od czystego chaosu i stopniowo usuwa warstwy zakłóceń. Każdy krok poprawia nieco klarowność obrazu. To jest rekonstrukcja. Powrót do zdrowia. Kiedy szum zniknie, powraca oryginalny obraz wysokiej jakości.
Ta metoda symuluje dyfuzję fizyczną, podczas której cząsteczki rozprzestrzeniają się, aż zostaną równomiernie rozłożone. Sztuczna inteligencja robi odwrotnie. Koncentruje sygnał z szumu.
Dlaczego jest to dla Ciebie ważne? Ponieważ daje rezultaty, które trudno osiągnąć innymi metodami. Powtarzająca się redukcja szumów ujawnia niesamowite szczegóły. Radzi sobie ze złożonymi strukturami lepiej niż starsze techniki generatywne.
Nie tylko dostajesz zdjęcia. Otrzymujesz zrekonstruowaną rzeczywistość. Wysokiej jakości kopia wyciągnięta z pustki.
