- I modelli di intelligenza artificiale generativa, in particolare quelli basati sul modello di diffusione, stanno guadagnando popolarità tra le aziende tecnologiche e i professionisti del machine learning per la loro capacità di creare immagini di alta qualità. Questo metodo sta sostituendo tecniche precedenti come le GAN e i trasformatori grazie ai suoi vantaggi in termini di qualità dell’immagine e affidabilità dell’addestramento.
- Questi modelli funzionano aggiungendo rumore gaussiano ai dati di addestramento e poi imparando a recuperare i dati originali invertendo questo processo. Il risultato è una generazione di dati che mantiene la qualità e la struttura semantica dei dati di input. I modelli di diffusione non richiedono una formazione contraddittoria e sono stati utilizzati con successo per generare immagini, video, testo e dati sintetici.
- I modelli di diffusione stanno trovando applicazioni in vari settori, dalla chimica alla progettazione di materiali, e stanno iniziando a essere utilizzati per la generazione di video e contenuti 3D. Tuttavia, la generazione iterativa richiede una notevole potenza di elaborazione, e la qualità delle immagini generate rimane una sfida.
Modelli generativi
Modelli di diffusione, cosa sono e perché offrono nuove possibilità per la creatività generativa
Imagen Video di Google e Make-a-Video di Meta sono i primi esempi delle capacità di alto livello dell’AI generativa. Il Generative Toolkit for Scientific Discovery (GT4SD) di IBM è una libreria open source che utilizza modelli generativi per generare nuovi progetti di molecole
Pubblicato il 31 ott 2022
