【发现者网】11月14日消息，近日，谷歌携手加州大学伯克利分校(UC Berkeley)宣布研发出一项革命性的生成式人工智能方法，名为幂等生成网络(IGN)，该方法有望取代当前主流的扩散模型。
传统的生成式AI模型，如生成对抗网络(GAN)、扩散模型和一致性模型，通常以随机噪点、草图或低分辨率图像等为输入，通过多步骤映射到目标数据分布上。而扩散模型在训练期间学习目标数据分布，然后通过多步“去噪”处理生成图像。
谷歌的研究团队在新模型IGN中实现了全新的生成方式。IGN被形象地比喻为一种“全局投影仪”，能够从任何形式的输入数据中直接生成适应目标数据分布的图像，理想情况下只需一步即可完成。
与传统的生成对抗网络不同，IGN是一种“自我对抗”的模型，能够同时扮演生成器和鉴别器的角色。此外，与扩散模型相比，IGN能够在单个步骤中将输入映射到目标数据分布上，无需执行增量步骤。
研究人员使用MNIST和CelebA数据集展示了IGN的潜力，并展示了一些应用场景，包括将草图转换为逼真图像、从噪点生成图像以及修复损坏的图像等。据发现者网了解，这一创新为生成式AI领域带来了新的可能性，有望推动未来图像生成技术的发展。
