KI-Bildfehler könnten mit ElasticDiffusion bald der Vergangenheit angehören

MÜNCHEN (IT BOLTWISE) – Forscher der Rice University haben eine neue Methode entwickelt, die Bildfehler bei generativer Künstlicher Intelligenz (KI) erheblich reduzieren könnte.

Generative Künstliche Intelligenz hat oft Schwierigkeiten bei der Erstellung konsistenter Bilder. Häufig werden Details wie Finger oder die Gesichtssymmetrie fehlerhaft dargestellt, und Probleme treten besonders bei verschiedenen Bildgrößen und Auflösungen auf. Eine neue Methode von Informatikern der Rice University könnte diese Probleme bald lösen. Mit vortrainierten Diffusionsmodellen soll die Bildgenerierung deutlich verbessert werden.

Moayed Haji Ali, Doktorand der Informatik an der Rice University, präsentierte diese neue Technik namens ElasticDiffusion auf der IEEE-Konferenz für Computer Vision und Mustererkennung (CVPR) 2024 in Seattle. Diffusionsmodelle, wie Stable Diffusion, Midjourney und DALL-E, generieren zwar beeindruckend fotorealistische Bilder, sind jedoch auf quadratische Formate beschränkt. Bei anderen Seitenverhältnissen treten oft wiederholte Muster und visuelle Verzerrungen auf, wie zum Beispiel Menschen mit sechs Fingern oder übermäßig verlängerte Objekte.

ElasticDiffusion geht dieses Problem anders an, indem es lokale und globale Bildinformationen getrennt behandelt. Dabei bleibt die globale Bildstruktur, wie das Seitenverhältnis oder die grobe Form eines Objekts, unberührt, während die detaillierten Pixelinformationen quadrantenweise angewendet werden. Dadurch entsteht ein sauberes Bild ohne zusätzliche Trainingsanforderungen.

Ein Nachteil der Methode ist die Zeit: Im Vergleich zu anderen Diffusionsmodellen benötigt ElasticDiffusion momentan bis zu sechsmal länger, um ein Bild zu erstellen. Das Ziel der Forscher ist es jedoch, diesen Prozess zu beschleunigen und die Bildgenerierung auf das Niveau bestehender Modelle wie Stable Diffusion zu bringen.

„Unsere Forschung könnte die Grundlage für ein Framework schaffen, das für jedes Seitenverhältnis funktioniert, ohne zusätzliche Trainingszeiten und ohne visuelle Fehler“, sagt Haji Ali optimistisch.