Link:https://github.com/openai/consistency_models
Özellikle, Tutarlılık Modelleri hızlı tek adımlı üretim sağlarken hesaplama ve numune kalitesinden ödün vermek için birkaç adımlı örneklemeye izin verir. Ayrıca, bu görevler için özel bir eğitim olmaksızın görüntü boyama, renklendirme ve süper çözünürlük gibi sıfır çekim veri düzenlemeyi de desteklerler. Tutarlılık Modelleri, damıtılmış önceden eğitilmiş difüzyon modelleri veya bağımsız üretken modeller olarak eğitilebilir.
Araştırma ekibi, Tutarlılık Modellerinin tek adımlı ve birkaç adımlı üretimde mevcut difüzyon modeli damıtma yöntemlerinden daha iyi performans gösterdiğini deneylerle gösterdi. Örneğin Tutarlılık Modelleri, tek adımlı üretim için CIFAR-10'da yeni SOTA FID 3.55'e ve ImageNet 64 x 64'te 6.20'ye ulaştı. Tutarlılık Modelleri, bağımsız üretken modeller olarak eğitildiklerinde, CIFAR-10, ImageNet 64 x 64 ve LSUN 256 x 256 gibi standart kıyaslamalarda tek adımlı, rakip olmayan üretken modellerden daha iyi performans gösterir.
Bazı netizenler bunu difüzyon modelinin güçlü bir rakibi olarak görüyor! Ve Tutarlılık Modellerinin yüzleşme eğitimi gerektirmediğini, bu da onları eğitmeyi kolaylaştırdığını ve modun çökmesine daha az eğilimli olduğunu söyledi.
Bazı netizenler, diffusion modeli çağının sona erdiğini düşünüyor.
Bazı netizenler üretim hızını test etti ve 256×256 çözünürlüğe sahip 64 resim, saniyede ortalama 18 resim olmak üzere 3,5 saniyede üretildi.
Tutarlılık Modeli görüntü onarım işlevi: maskelenmiş görüntü solda, Tutarlılık Modeli tarafından onarılan görüntü ortada ve referans görüntü en sağdadır:
Tutarlılık Modeli yüksek çözünürlüklü görüntüler üretir: solda 32 x 32 çözünürlüklü altörneklenmiş görüntü, ortada Tutarlılık Modeli tarafından oluşturulan 256 x 256 görüntü ve sağda 256x 256 çözünürlüklü yer gerçeği görüntüsü. İlk görüntü ile karşılaştırıldığında Tutarlılık Modeli tarafından oluşturulan görüntü daha nettir.
Daha fazla bilgi için lütfen orijinal kağıda bakın.
https://arxiv.org/pdf/2303.01469.pdf
