Snap Inc. की शोध टीम ने हाल ही में SnapGen नामक एक कृत्रिम बुद्धिमत्ता छवि जनरेटर लॉन्च किया है, जो सीधे उच्च अंत मोबाइल पर उच्च-रिज़ॉल्यूशन छवियाँ उत्पन्न करने में सक्षम है। इस तकनीक के लॉन्च ने उपयोगकर्ताओं को मोबाइल पर प्रभावी और सुविधाजनक छवि निर्माण अनुभव का अनुभव करने की अनुमति दी है, जिसने पारंपरिक AI छवि निर्माण की आवश्यक शक्तिशाली गणनात्मक क्षमता की सीमाओं को तोड़ दिया है। SnapGen का मुख्य लाभ इसके मॉडल की संकुचनशीलता और प्रभावशीलता में है। लोकप्रिय छवि जनरेटर जैसे SDXL की तुलना में, SnapGen के पैरामीटर की संख्या केवल

कृत्रिम बुद्धिमत्ता द्वारा संचालित छवि जनरेशन और समझ के क्षेत्र में, तेजी से प्रगति के बावजूद, कई महत्वपूर्ण चुनौतियाँ हैं, जो एक निर्बाध, एकीकृत दृष्टिकोण के विकास में बाधा डालती हैं। वर्तमान में, छवि समझ पर ध्यान केंद्रित करने वाले मॉडल अक्सर उच्च गुणवत्ता वाली छवियाँ जनरेट करने में प्रभावी नहीं होते हैं, और इसका विपरीत भी सत्य है। इस तरह की कार्य विभाजन की संरचना न केवल जटिलता को बढ़ाती है, बल्कि दक्षता को भी सीमित कर देती है, जिससे एक साथ समझ और जनरेशन की आवश्यकता वाले कार्यों को संभालना cumbersome बन जाता है। इसके अलावा, कई मौजूदा मॉडल किसी भी कार्य को प्रभावी ढंग से निष्पादित करने में आर्किटेक्चरल संशोधनों या पूर्व-प्रशिक्षित घटकों पर अत्यधिक निर्भर होते हैं, जो प्रदर्शन में व्यापारिक समझौते का कारण बनता है।

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

हाल ही में ComfyUI-Detail-Daemon नामक एक क्रांतिकारी प्लगइन एआई चित्रण सर्कल में चर्चा का विषय बन गया है। यह उपकरण, जिसे Jonseed द्वारा विकसित किया गया है, ने sd-webui-Detail-Daemon को ComfyUI मंच पर कुशलता से पोर्ट किया है, जिससे रचनाकारों के लिए पहले कभी न देखी गई विवरण अनुकूलन अनुभव लाया गया है। इस प्लगइन की सबसे आकर्षक विशेषता इसकी शक्तिशाली विवरण वृद्धि क्षमता है। सिग्मा पैरामीटर को सटीक रूप से समायोजित करके, न केवल छवि के विवरण को महत्वपूर्ण रूप से बढ़ाया जा सकता है, बल्कि अनावश्यक विवरण को भी बुद्धिमानी से हटाया जा सकता है।

हाल ही में, ज़ीपु AI ने सार्वजनिक रूप से अपने नवीनतम काम - CogView3 और इसके उन्नत संस्करण CogView-3Plus-3B को खोलकर चित्र लिखने के क्षेत्र में नई ऊर्जा का संचार किया है। CogView3 का पदार्पण निस्संदेह एक महत्वपूर्ण मील का पत्थर है। यह पहला मॉडल है जिसने पाठ से चित्र जनरेशन के क्षेत्र में रिले विस्तार को सफलतापूर्वक लागू किया है, जो अनूठी cascade diffusion विधि का उपयोग करता है। यह अभिनव दृष्टिकोण सबसे पहले कम रिज़ॉल्यूशन छवियाँ बनाता है, फिर अंतिम आउटपुट को पूरा करने के लिए रिले-आधारित सुपर रिज़ॉल्यूशन तकनीक का उपयोग करता है। यह न केवल बढ़ाता है