प्रशिक्षण सुसंगतता मॉडल के लिए परिष्कृत दृष्टिकोण

यदि आपने फैलाव मॉडल के बारे में सुना है लेकिन उनके धीमे, बहु-चरण पीढ़ी को निराशाजनक पाते हैं, तो स्थिरता मॉडलों का यह परिचय आपके लिए है। अंत तक, आप समझ जाएंगे कि सुसंगतता मॉडल क्या हैं, वे प्रसार मॉडल और जीएएन से कैसे भिन्न होते हैं, और क्यों उनकी एक चरण नमूनाकरण क्षमता जनरेटिव AI के भविष्य के लिए महत्वपूर्ण है।

सुसंगतता मॉडल क्या हैं?

सुसंगतता मॉडल जनरेटिव मॉडलों का एक युवा और तेजी से विकसित परिवार है। उनकी परिभाषित विशेषता गति हैः वे एक ही चरण में उच्च-गुणवत्ता वाले डेटा का उत्पादन कर सकते हैं। यह एक बड़ी बात है, क्योंकि अधिकांश आधुनिक जेनरेटिव मॉडल को यादृच्छिक शोर को समाप्त छवि, ऑडियो क्लिप या अन्य नमूने में बदलने के लिए कई पुनरावर्ती कदमों की आवश्यकता होती है।

सुसंगतता मॉडल के पीछे मुख्य विचार एक "सुसंगतता फ़ंक्शन" सीख रहा है जो diffusion model की प्रक्षेपवक्र पर किसी भी बिंदु को सीधे उस प्रक्षेपण की उत्पत्ति तक मैप करता है। सरल शब्दों में: प्रशिक्षण के दौरान, प्रसार प्रक्रिया धीरे-धीरे स्वच्छ डेटा को शोर में बदल देती है। एक स्थिरता मॉडल से कूदना सीखता है कोई भी एक बार प्रशिक्षित होने के बाद, इसका मतलब है कि आपको दर्जनों मध्यवर्ती चरणों से नहीं गुजरना होगा आप सीधे उत्तर पर कूद सकते हैं।

वे प्रसार मॉडल और जीएएन से कैसे भिन्न हैं

यह समझने के लिए कि सुसंगतता मॉडल रोमांचक क्यों हैं, उन्हें जनरेटिव AI में दो प्रमुख दृष्टिकोणों से तुलना करने में मदद मिलती है।

प्रसार मॉडल (Stable Diffusion और DALL-E जैसे उपकरणों के पीछे की तकनीक) शुद्ध शोर से शुरू करके और धीरे-धीरे इसे कई चरणों में 20 अक्सर 20 से 50 या अधिक पर denoising द्वारा छवियां उत्पन्न करते हैं। यह उत्कृष्ट गुणवत्ता का उत्पादन करता है, लेकिन पीढ़ी को धीमा और कम्प्यूटेशनल रूप से महंगा बनाता है। प्रत्येक कदम के लिए एक पूर्ण पास की आवश्यकता होती है neural network .

GANs (जनरेटिव एडवर्सियल नेटवर्क) दो नेटवर्क को एक दूसरे के खिलाफ रखकर एक चरण में डेटा उत्पन्न करेंः एक जनरेटर जो नमूने बनाता है और एक भेदभावकर्ता जो यह निर्णय लेता है कि वे वास्तविक दिखते हैं या नहीं। जीएएन तेज होते हैं, लेकिन उनका प्रशिक्षण प्रसिद्ध रूप से अस्थिर होता है, और प्रतिद्वंद्वी सेटअप मोड पतन जैसी समस्याओं का कारण बन सकता है, जहां मॉडल सीमित विविधता पैदा करता है आउटपुट.

Like GANs, वे एक कदम में नमूना कर सकते हैं. लेकिन GANs के विपरीत, वे करते हैं नहीं कोई जनरेटर बनाम भेदभाव युद्ध नहीं है, जिसका अर्थ है कि प्रशिक्षण अधिक स्थिर होता है और जीएएन के प्रसिद्ध नुकसान से बचा जा सकता है।

क्यों एक-चरण नमूनाकरण महत्वपूर्ण है

एकल चरण में उत्पन्न करने की क्षमता के व्यावहारिक परिणाम हैंः

• गतिजो diffusion model में दर्जनों नेटवर्क मूल्यांकन लेता है वह एक में हो सकता है, नाटकीय रूप से विलंबता को कम करता है।
• लागत: कम चरणों का मतलब है कि कम कंप्यूटिंग, जो कम ऊर्जा उपयोग और पैमाने पर सस्ता अनुमान में अनुवाद करता है।
• अन्तरक्रियात्मकतावास्तविक समय के अनुप्रयोग live लाइव संपादन, तत्काल पूर्वावलोकन, ऑन-डिवाइस पीढ़ी बहुत अधिक संभव हो जाते हैं जब एक नमूना लगभग तुरंत दिखाई देता है।
• लचीलापनसुसंगतता मॉडल को JUST के बजाय कुछ चरणों में भी चलाया जा सकता है, जिससे उपयोगकर्ता गति और गुणवत्ता के बीच डायल कर सकते हैं।

यह लचीलापन जोर देने योग्य हैः एक सुसंगतता मॉडल को ठीक से प्रशिक्षित किया जा सकता है कि पीढ़ी के समय कितने चरणों का उपयोग करना है, कुछ कठोर वन-शॉट जनरेटर आसानी से प्रदान नहीं कर सकते हैं।

ट्रेड-ऑफ और वर्तमान सीमाएं

चूंकि स्थिरता मॉडल एक नवजात तकनीक है, इसलिए वे चेतावनी के साथ आते हैं। एकल चरण में नमूना गुणवत्ता हमेशा मेल नहीं खा सकती है जो कई परिष्करण चरणों के साथ पूर्ण diffusion model प्राप्त करती है। उन्हें अच्छी तरह से प्रशिक्षित करने के लिए सावधानीपूर्वक डिजाइन विकल्पों की आवश्यकता होती है, और इस क्षेत्र में शोध साहित्य अभी भी तेजी से विकसित हो रहा है। किसी भी उभरती विधि के साथ, सर्वोत्तम प्रथाओं को अभी भी स्थापित किया जा रहा है और परिणाम डेटा प्रकार और मॉडल कॉन्फ़िगरेशन के आधार पर भिन्न हो सकते हैं।

यह भी कहना उचित है कि प्रसार मॉडल आज उद्योग मानक बने हुए हैं, जो परिपक्व टूलींग और बड़े पारिस्थितिक तंत्र द्वारा समर्थित हैं। सुसंगतता मॉडलों को सबसे अच्छी तरह से एक आशाजनक दिशा के रूप में समझा जाता है जो पुनर्निर्माण कर सकता है कि कितनी जल्दी जनरेटिव AI बन जाता है, बजाय इसके कि पहले आने वाली हर चीज का पूरा प्रतिस्थापन हो।

बड़ी तस्वीर

सुसंगतता मॉडल जनरेटिव AI अनुसंधान में एक व्यापक प्रवृत्ति का प्रतिनिधित्व करते हैंः गुणवत्ता और गति के बीच की खाई को बंद करना। यदि क्षेत्र विश्वसनीय रूप से उन मॉडलों को प्रशिक्षित कर सकता है जो एक या दो चरणों में प्रसार-स्तर की गुणवत्ता से मेल खाते हैं, तो जेनरेटिव टूल किसी भी रोजमर्रा APP आपके इमेज रेंडरिंग के दौरान कोई और प्रतीक्षा बार नहीं बन सकते।

मुख्य जानकारी

• सुसंगतता मॉडल जनरेटिव मॉडलों का एक नया परिवार है जो उच्च-गुणवत्ता वाले एकल चरण के नमूने लेने में सक्षम हैं।
• वे प्रतिद्वंद्वी प्रशिक्षण से बचते हैं, जो उन्हें जीएएन से अलग करता है।
• वे फैलाव मॉडल से विचारों को उधार लेते हैं लेकिन पीढ़ी के समय धीमी गति से पुनरावर्ती denoising छोड़ देते हैं।
• उनका मुख्य वादा गति है: कम विलंबता, कम लागत और वास्तविक समय के रचनात्मक अनुप्रयोग।
• एक नवोदित प्रौद्योगिकी के रूप में, उनके पास अभी भी प्रशिक्षण और गुणवत्ता के आसपास खुले प्रश्न हैं, लेकिन वे आधुनिक जनरेटिव मॉडलिंग में सबसे दिलचस्प दिशाओं में से एक हैं।

यदि आप जनरेटिव AI के विकास का अनुसरण कर रहे हैं, तो स्थिरता मॉडल एक नाम याद रखने योग्य है।