Le MIT (Massachusetts Institute of Technology) a récemment réalisé une avancée significative dans le domaine de l'intelligence artificielle en matière de génération d'images. Les chercheurs ont réussi à accélérer considérablement le processus de création d'images en condensant plus d'une centaine d'étapes en une seule.
Les générateurs d'images populaires tels que Dall.e, Midjourney et Stable Diffusion sont capables de créer une image à partir d'un texte en quelques secondes. Cependant, ces processus impliquent en réalité une multitude d'étapes complexes. Les scientifiques du MIT ont réussi à simplifier ces étapes, ce qui a pour effet d'accélérer le temps d'affichage du résultat jusqu'à 30 fois plus rapidement.
Concrètement, lors de la création d'une image à partir d'un texte, les générateurs comme Dall.e ou Midjourney sélectionnent une image aléatoire dans leur base de données, correspondant approximativement à la demande. Ensuite, cette image est progressivement modifiée en y ajoutant un champ de bruit aléatoire. Après cette étape clé, elle subit une centaine d'autres étapes pour éliminer le bruit et produire une image correspondant aux caractéristiques décrites dans le texte. Pour simplifier ce processus en une seule étape, les scientifiques ont mis au point une technique appelée "distillation par correspondance de distribution" (DMD pour Distribution Matching Distillation).
Au lieu de reconstruire une image à partir de zéro, le modèle DMD extrait un maximum d'images de sa base de données correspondant à la demande. Ensuite, il sélectionne celles qui se rapprochent le plus de ce que l'on peut trouver dans le monde réel. Cette approche permet de réduire le nombre d'étapes nécessaires pour générer une image, ce qui se traduit par une accélération significative du processus.
En plus de réduire la durée du traitement, cette nouvelle approche permet également de minimiser l'aspect parfois étrange des images générées par les IA. Elle permet également de diminuer la puissance de calcul nécessaire pour générer ces images.
Les chercheurs du MIT ont intégré deux composants importants dans le modèle DMD pour atteindre ces résultats. Le premier composant, appelé "perte de régression", organise les images en fonction de leur similarité pendant la phase d'entraînement, permettant ainsi à l'IA d'apprendre plus rapidement. Le deuxième composant, nommé "perte de correspondance de distribution", garantit que les images générées correspondent davantage à ce que l'on trouve fréquemment dans le monde réel.
Cette avancée dans la génération d'images par intelligence artificielle ouvre de nouvelles perspectives dans de nombreux domaines tels que la création artistique, la conception de produits et la réalisation de simulations virtuelles. En réduisant le temps et les ressources nécessaires pour générer des images de qualité, le MIT contribue à accélérer le développement de l'intelligence artificielle et à rendre ces technologies plus accessibles à tous.
Cependant, il est important de souligner que cette avancée soulève également des questions éthiques et sociétales. L'utilisation de l'intelligence artificielle pour générer des images soulève des problèmes liés à la manipulation de l'information et à la diffusion de fausses informations. Il est donc essentiel de mettre en place des réglementations et des mesures de contrôle pour encadrer l'utilisation de ces technologies et en prévenir les éventuels abus.
