शोधकर्ताओं ने हाल ही में REPA नामक एक नई तकनीक विकसित की है, जिसका उद्देश्य AI छवि उत्पादन मॉडल के प्रशिक्षण की गति को तेज करना है। REPA का अर्थ है REPresentation Alignment, जो DINOv2 जैसे मॉडलों से उच्च गुणवत्ता वाले दृश्य प्रस्तुतियों को एकीकृत करके प्रशिक्षण गति और आउटपुट गुणवत्ता में सुधार करता है। पारंपरिक प्रसार मॉडल सामान्यतः शोर वाली छवियां बनाते हैं, और फिर धीरे-धीरे उन्हें साफ़ छवियों में परिष्कृत करते हैं। REPA एक कदम जोड़ता है, जो इस शोर समाप्त करने की प्रक्रिया में उत्पन्न प्रस्तुतियों को DINO से जोड़ता है।

डिफ्यूजन मॉडल (Diffusion Model) एआई चित्रण के क्षेत्र में एक प्रमुख तकनीक के रूप में, अपने उत्कृष्ट उत्पादन परिणामों के लिए हमेशा से ध्यान का केंद्र रहा है। हालाँकि, इसकी लंबी प्रशिक्षण प्रक्रिया हमेशा इसकी आगे बढ़ने में एक बाधा रही है। हाल ही में, REPA (REpresentation Alignment) नामक एक अभिनव तकनीक ने इस समस्या को हल करने के लिए एक突破 प्रदान किया है, जिससे डिफ्यूजन मॉडल की प्रशिक्षण दक्षता 17.5 गुना बढ़ने की उम्मीद है। डिफ्यूजन मॉडल का मूल सिद्धांत यह है कि चित्र में धीरे-धीरे शोर जोड़ा जाता है, फिर इसे प्रशिक्षित किया जाता है।

एक अनुसंधान टीम ने एक अभिनव दृश्य स्थान पहचान तकनीक Revisit Anything का प्रदर्शन किया है, जिसमें केवल चित्र इनपुट करके उस चित्र में स्थित स्थान की पहचान की जा सकती है। चित्र स्रोत विवरण: चित्र AI द्वारा उत्पन्न किया गया, चित्र लाइसेंस सेवा प्रदाता Midjourney। यह तकनीक नवीनतम SAM (Segment Anything Model) और DINO (Self-Distillation with No Labels) का संयोजन करती है, जिसका उद्देश्य चित्र खंड की खोज में सुधार करना है।

{Meta ने Apache2.0 लाइसेंस के तहत कंप्यूटर विजन मॉडल DINOv2 का ओपन-सोर्स संस्करण जारी किया। DINOv2 विभिन्न कंप्यूटर विजन कार्यों के लिए उपयोग किया जा सकता है और यह एक लचीला और बहुपरक उपकरण है। Meta DINOv2 को बड़े पैमाने पर भाषा मॉडल के साथ मिलाकर एक शक्तिशाली छवि विश्लेषण प्रणाली बनाने की योजना बना रहा है।}