Tao Han Wanghan Xu Junchao Gong Xiaoyu Yue Song Guo Luping Zhou Lei Bai

الملخص

تُقدِّم توليد الصور بحلقة عشوائية تجربة بصرية متسقة عبر الأجهزة، مع تطبيقات واسعة النطاق للمُنتجين والمستهلكين. تزداد متطلبات الحوسبة في النماذج التبادلية الحالية بشكل تربيعي مع ارتفاع الدقة، ما يؤدي إلى تأخير في توليد الصور بدقة 4K يتجاوز 100 ثانية. ولحل هذه المشكلة، نستكشف الجيل الثاني من النماذج التبادلية في الفضاء المخفي، حيث نُعتبر التمثيل المخفي الثابت الناتج عن النماذج التبادلية كتمثيل للمحتوى، ونقترح توليد صور بدقة عشوائية باستخدام تمثيل مخفي مُنتَج مُكثّف عبر مُولِّد أحادي الخطوة. وهكذا، نقدِّم نموذج "InfGen"، الذي يُحلّ مكان مُفكِّك VAE بمحوِّل جديد، ليُولِّد صورًا بأي دقة من تمثيل مخفي بحجم ثابت دون الحاجة إلى إعادة تدريب النماذج التبادلية، مما يبسط العملية ويقلل من التعقيد الحسابي، ويمكن تطبيقه على أي نموذج يستخدم نفس فضاء التمثيل المخفي. تُظهر التجارب أن InfGen قادر على تحويل العديد من النماذج إلى العصر الجديد للدقة العالية العشوائية، مع تقليل وقت توليد الصور بدقة 4K إلى أقل من 10 ثوانٍ.