Científicos del MIT han desarrollado una técnica llamada “destilación de coincidencia de distribución” (DMD) que acelera los populares generadores de imágenes de IA condensando un proceso de 100 etapas en un solo paso. Con este método se obtienen modelos de IA más pequeños y rápidos, al tiempo que se mantiene la calidad de la imagen. El nuevo enfoque reduce 30 veces el tiempo de cálculo y mantiene o supera la calidad del contenido visual generado. Los modelos de difusión, como DALL-E 3 y Stable Diffusion, se enseñan a los nuevos modelos de IA mediante DMD. Estos modelos generan imágenes codificando imágenes aleatorias con ruido y aclarando después el ruido mediante un proceso de varias etapas. Al aplicar el DMD a un nuevo modelo, los científicos redujeron el tiempo de generación de imágenes de 2,59 segundos a 90 milisegundos, lo que lo hace 28,8 veces más rápido. DMD consta de dos componentes: “pérdida por regresión,” que organiza las imágenes en función de la similitud, y “pérdida por coincidencia de distribución,” que minimiza la extravagancia de las imágenes generadas. Este avance reduce drásticamente la potencia de cálculo y acelera el proceso de generación de imágenes, por lo que resulta ventajoso para sectores que requieren una creación de contenidos rápida y eficiente.
