LMU:n tutkijat kehittivät kevyen tekoälymallin tekstipohjaiseen kuvantuottoon

Ludwig-Maximilians-Universität Münchenin (LMU) Machine Vision & Learning -ryhmä on kehittänyt Stable Diffusion -nimisen tekoälymallin, joka kykenee tuottamaan kuvia tekstipohjaisista komennoista. Prof. Björn Ommerin johtama tutkijaryhmä hyödynsi projektissa Stability.Ai-startupin tarjoamaa laskentatehoa mallin kouluttamiseen.

Mallin keskeinen ominaisuus on sen tehokkuus: se ei vaadi toimiakseen suurtietokoneita, vaan se on optimoitu toimimaan tavallisilla näytönohjaimilla. Tekoäly tiivistää miljardien harjoituskuvien datan muutaman gigatavun kokoiseksi malliksi, mikä mahdollistaa monimutkaisen kuvasyntetisoinnin kotitietokoneilla.

Tutkijat näkevät teknologian uudenlaisena työkaluna, joka madaltaa luovan ilmaisun kynnystä. LMU on julkaissut mallin vapaasti saataville CreativeML Open RAIL-M -lisenssillä edistääkseen avointa tutkimusta ja sovelluskehitystä konenäön alalla.