Stable Diffusion जैसे मॉडल का आगमन छवि जनरेशन के क्षेत्र में महत्वपूर्ण प्रगति का प्रतीक है, लेकिन यह स्वयं-प्रतिद्धारित भाषा मॉडल के साथ इसके मौलिक भेद ने एक एकीकृत भाषा दृश्य मॉडल के विकास में बाधा उत्पन्न की है। इस समस्या को हल करने के लिए, शोधकर्ताओं ने Meissonic का परिचय दिया है, जो गैर-स्वयं-प्रतिद्धारित मास्क छवि मॉडलिंग (MIM) टेक्स्ट-टू-इमेज तकनीक को SDXL जैसे अत्याधुनिक प्रसार मॉडल के स्तर तक बढ़ा देता है। Meissonic की मूल निर्माताओं की एक श्रृंखला, उन्नत स्थान 编

कृत्रिम बुद्धिमत्ता चित्र निर्माण तकनीक के निरंतर विकास के साथ, विभिन्न अनुप्रयोग निरंतर उभर रहे हैं। इसके अलावा, मुद्रा विश्वास स्तर पर आधारित क्षेत्रीय हानि वृद्धि ने चित्र की विकृति को महत्वपूर्ण रूप से कम कर दिया है। यह ढांचा विश्वास स्तर समझने वाली मुद्रा मार्गदर्शन और क्षेत्रीय हानि वृद्धि जैसी तकनीकों का उपयोग करके वीडियो की गुणवत्ता और स्थिरता को बढ़ाने का प्रयास करता है, यह एक आशाजनक वीडियो निर्माण ढांचा है। हालाँकि, वीडियो निर्माण में अभी भी कई चुनौतियाँ हैं, जैसे कि नियंत्रणीयता, वीडियो की लंबाई और विस्तार की समृद्धि, जो इस तकनीक के अनुप्रयोग और प्रसार में बाधा उत्पन्न करती हैं। अंत में, लंबे और चिकने वीडियो बनाने के लिए एक नया दृष्टिकोण प्रस्तुत किया गया है।

Hugging Face द्वारा प्रस्तुत aMUSEd मॉडल कुछ सेकंड में चित्र उत्पन्न कर सकता है, जो अन्य प्रतिस्पर्धियों जैसे Stable Diffusion की तुलना में तेज है। aMUSEd ने Google के MUSE मॉडल पर आधारित एक हल्का टेक्स्ट-टू-इमेज मॉडल अपनाया है। aMUSEd ने Masked Image Model (MIM) ढांचे को अपनाया है, जो अनुमान के कदमों को कम करता है, उत्पादन गति और व्याख्यायिता को बढ़ाता है। मॉडल को Hugging Face पर प्रदर्शन में देखा जा सकता है।

अ研究 दिखाता है कि MimicGen प्रणाली बड़े पैमाने पर रोबोट प्रशिक्षण डेटा उत्पन्न कर सकती है। डिजिटल ट्विन प्रौद्योगिकी के माध्यम से, मानव संचालन डेटा का अनुकरण वातावरण में अनुकरण किया जाता है। 200 से कम मानव प्रदर्शनों का उपयोग करते हुए, 50,000 प्रशिक्षण डेटा को स्वायत्त रूप से उत्पन्न किया गया। कृत्रिम डेटा और अनुकरण AI विकास के लिए अत्यंत महत्वपूर्ण हैं, जो अंतहीन प्रशिक्षण डेटा प्राप्त कर सकते हैं। MimicGen लंबी अनुक्रम कार्यों और उच्च सटीकता कार्यों, जैसे कि पकड़ना, डालना, और असेंबलिंग के लिए उपयुक्त है।