Исследователи Yandex Research и НИУ ВШЭ разработали подход, который позволяет в несколько раз ускорить работу генеративных систем искусственного интеллекта.
Как сообщила пресс-служба Yandex Research, метод сокращает время генерации с нескольких секунд до 0,3–0,4 секунды при сохранении визуального качества, что делает современные диффузионные модели быстрее, дешевле и доступнее для практического применения.
Существующие диффузионные модели генерируют изображения пошагово: сначала формируется общая структура, которая затем постепенно достраивается до финальной картинки. Весь процесс занимает около 20–50 шагов и требует много времени и вычислительных ресурсов, сообщает ТАСС.
Российские исследователи предложили ускорить этот процесс двумя способами. Во-первых, они решили снижать разрешение на первых шагах генерации, когда мелкие детали ещё не различимы. Во-вторых, они создали подход, позволяющий использовать крупные системы (например, FLUX и Stable Diffusion) для обучения более простых генеративных моделей.
Учёные применили специальный математический метод, который сравнивает, как модель-учитель «видит» изображение на своих внутренних уровнях обработки, с тем, как модель-студент представляет то же изображение. Это значительно ускоряет обучение и позволяет отказаться от вспомогательных моделей, упрощая весь процесс.
Эксперименты показали, что новый подход в несколько раз ускоряет генерацию как изображений, так и видеороликов без потери качества — как по оценкам пользователей, так и по автоматическим метрикам. В перспективе это сделает генеративные системы искусственного интеллекта более доступными и удобными для использования.
