Para ilmuwan MIT telah mengembangkan teknik yang disebut “distribution matching distillation ” (DMD) yang mempercepat generator gambar AI yang populer dengan memadatkan proses 100 tahap menjadi satu langkah. Metode ini menghasilkan model AI yang lebih kecil dan lebih cepat dengan tetap mempertahankan kualitas gambar. Pendekatan baru ini mengurangi waktu komputasi hingga 30 kali lipat dan mempertahankan atau melampaui kualitas konten visual yang dihasilkan. Model difusi, seperti DALL-E 3 dan Stable Diffusion, diajarkan ke model AI baru menggunakan DMD. Model-model ini menghasilkan gambar dengan mengkodekan gambar acak dengan noise dan kemudian membersihkan noise tersebut melalui proses multi-tahap. Dengan menerapkan DMD pada model baru, para ilmuwan mengurangi waktu pembuatan gambar dari 2,59 detik menjadi 90 milidetik, membuatnya 28,8 kali lebih cepat. DMD terdiri dari dua komponen: “regression loss, ” yang mengatur gambar berdasarkan kemiripan, dan “distribution matching loss, ” yang meminimalkan keanehan gambar yang dihasilkan. Terobosan ini secara dramatis mengurangi daya komputasi dan mempercepat proses pembuatan gambar, sehingga menguntungkan bagi industri yang membutuhkan pembuatan konten yang cepat dan efisien.
