Recientemente, el equipo de investigación de Meta Reality Labs publicó un innovador modelo generativo llamado "Pippo", capaz de generar un video de alta resolución (hasta 1K) de una rotación densa a partir de una sola fotografía. Este avance tecnológico representa un progreso significativo en el campo de la visión por computadora y la generación de imágenes. El núcleo de Pippo reside en su diseño de transformador de difusión multivista. A diferencia de los modelos generativos tradicionales, Pippo no requiere ninguna entrada adicional, como parámetros ajustados.

El equipo de investigación de Snap Inc. ha lanzado recientemente SnapGen, un generador de imágenes con inteligencia artificial capaz de generar imágenes de alta resolución directamente en teléfonos móviles de gama alta. Este lanzamiento permite a los usuarios disfrutar de una experiencia de creación de imágenes eficiente y cómoda en sus teléfonos, rompiendo la limitación tradicional de los generadores de imágenes con IA que requieren una gran capacidad de computación. La principal ventaja de SnapGen radica en la compacidad y eficiencia de su modelo. En comparación con los populares generadores de imágenes como SDXL, SnapGen tiene una cantidad de parámetros significativamente menor.

En el campo de la generación de imágenes, la tarea de generar imágenes de alta resolución y realistas siempre ha enfrentado múltiples desafíos, especialmente en el proceso de síntesis de texto a imagen. Los métodos de generación tradicionales se basan principalmente en modelos de difusión y marcos de autoregresión variacional (VAR). Aunque estos modelos pueden generar imágenes de alta calidad, requieren una gran cantidad de recursos computacionales, lo que los hace poco flexibles para aplicaciones en tiempo real. Al mismo tiempo, los modelos VAR tienden a acumular errores al procesar etiquetas discretas, lo que lleva a la pérdida de detalles en las imágenes generadas y, por lo tanto, afecta el realismo de las imágenes. Para superar estas deficiencias

AuraSR, un modelo de superresolución masivo con 600 millones de parámetros, derivado del artículo de GigaGAN, ahora es de código abierto. Este modelo destaca por su capacidad de ampliar las imágenes cuatro veces su tamaño original, al mismo tiempo que rellena los detalles que podrían perderse en el proceso de ampliación. Y eso no es todo: incluso permite ampliaciones múltiples para un enriquecimiento aún mayor de los detalles.