KI News: Kurz und klar.

In der Welt der generativen Modelle – von Diffusion bis hin zu Flow-basierten Architekturen – treten häufig systematische Verzerrungen auf, die die Bildqualität stark beeinträchtigen. Ein kürzlich veröffentlichter Beitrag auf arXiv stellt diese Herausforderung neu in den Fokus und zeigt, dass Bias‑Korrekturen auch ohne Rauschzufuhr und ohne mehrstufige Resampling‑Schritte möglich sind.

Wissenschaftler haben einen neuen Rahmen für Ein‑Schritt‑Diffusionsmodelle entwickelt, der die bisher verknüpften Theorie und Praxis auflöst und damit die Gestaltungsmöglichkeiten deutlich erweitert. Durch die klare Trennung der einzelnen Bausteine lässt sich nun systematisch nach Verbesserungen suchen.

Ein neues Verfahren namens MARVAL (Masked Auto‑Regressive Variational Acceleration) hat die Inferenzgeschwindigkeit von Masked Auto‑Regressive Diffusion Modellen drastisch erhöht. Durch eine gezielte Distillation wird die bisher hierarchische Diffusionskette in einen einzigen autoregressiven Schritt zusammengefasst, ohne die Bildqualität zu beeinträchtigen.