সুপ্ত সামঞ্জস্য মডেল

They make near-real-time, interactive image generation practical even on modest hardware.

স্ট্যান্ডার্ড ল্যাটেন্ট ডিফিউশন মডেল যেমন স্ট্যাবল ডিফিউশন শব্দ থেকে শুরু হয় এবং পুনরাবৃত্তিমূলকভাবে ডিনোইজ করে, একটি চিত্র তৈরি করতে প্রায়ই 20 থেকে 50 নেটওয়ার্ক মূল্যায়নের প্রয়োজন হয়, যা ধীর। 2023 সালে লুও এবং সহকর্মীদের দ্বারা প্রবর্তিত এলসিএম, একটি পূর্ব-প্রশিক্ষিত ডিফিউশন মডেলের সুপ্ত স্থানে ধারাবাহিকতা পাতন প্রয়োগ করে। মূল ধারণা: ডিনোইসিং ট্র্যাজেক্টোরি বরাবর যেকোন বিন্দু থেকে সরাসরি পরিষ্কার ফলাফলে ঝাঁপিয়ে পড়ার জন্য একটি ছাত্র নেটওয়ার্ককে প্রশিক্ষণ দিন, তাই একই উত্তর একটি বড় ধাপে পৌঁছানো যায় যা আগে অনেক ছোট পদক্ষেপ নিয়েছিল। ফলাফল মোটামুটি 1 থেকে 4 ধাপে ধারালো ছবি। একটি সহচর কৌশল, LCM-LoRA, এই ত্বরণটিকে একটি ছোট প্লাগ-ইন অ্যাডাপ্টার হিসাবে প্যাকেজ করে যা পুরো নেটওয়ার্ককে পুনরায় প্রশিক্ষণ না দিয়ে বিদ্যমান সূক্ষ্ম-টিউনযুক্ত স্থিতিশীল ডিফিউশন মডেলগুলিতে ফেলে দেওয়া যেতে পারে।