Apple, AI 및 이미지 생성 : 새로운 흐름 상태?

정규화 흐름을 사용한 AI 이미지 생성에 대한 Apple의 혁신적인 접근 방식은 OP-DEVICE AI의 미래를 재구성 할 수 있습니다.

The world of AI image generation is heating up, and Apple is throwing its hat into the ring with a fresh take on an old technique. While diffusion models and autoregressive models dominate the scene, Apple's recent research suggests that Normalizing Flows, with a Transformer twist, might be the dark horse we didn't see coming. Could this be the key to powerful, on-device AI image generation?

AI 이미지 생성의 세계가 가열되고 있으며 Apple은 오래된 기술에 대한 새로운 테이크로 모자를 반지에 던지고 있습니다. 확산 모델과 자동 회귀 모델이 장면을 지배하지만 Apple의 최근 연구에 따르면 변압기 트위스트와 함께 정상화 흐름이 우리가 보지 못한 어두운 말이 될 수 있습니다. 이것이 강력한 기기 AI 이미지 생성의 열쇠 일 수 있습니까?

Normalizing Flows: A Blast from the Past?

흐름 정상화 : 과거의 폭발?

Normalizing Flows (NFs) aren't exactly new, but Apple's revisiting them with a modern spin. Think of NFs as AI that learns to transform images into structured noise, and then reverses the process to create new images. The cool part? They can calculate the exact likelihood of each image, something diffusion models struggle with. This is super useful where understanding probability matters.

Flows (NFS) 정규화는 정확히 새롭지는 않지만 Apple은 현대적인 스핀으로 다시 방문합니다. NFS를 AI로 생각하여 이미지를 구조화 된 노이즈로 변환하는 법을 배우고 프로세스를 반대로하여 새로운 이미지를 만듭니다. 멋진 부분? 그들은 각 이미지의 정확한 가능성을 계산할 수 있으며, 확산 모델이 어려움을 겪고 있습니다. 이것은 이해 확률이 중요한 경우 매우 유용합니다.

So, why aren't NFs all the rage? Early versions produced blurry, underwhelming images. But Apple believes they've cracked the code.

그렇다면 왜 NFS가 모든 분노가 아닌가? 초기 버전은 흐릿하고 압도적 인 이미지를 생성했습니다. 그러나 애플은 자신이 코드를 깨뜨렸다 고 생각한다.

TarFlow: Transformers to the Rescue

Tarflow : 구조대 변압기

Apple's first study introduces TarFlow (Transformer AutoRegressive Flow). The secret sauce? Swapping out old-school layers for Transformer blocks. TarFlow chops images into patches and generates them block by block, predicting each one based on what came before. Sound familiar? It's similar to how OpenAI generates images, but with a crucial difference.

Apple의 첫 번째 연구는 Tarflow (Transformer Autoregressive Flow)를 소개합니다. 비밀 소스? 변압기 블록으로 구식 레이어를 교환합니다. Tarflow는 이미지를 패치로 잘라 내고 블록으로 블록으로 생성하여 이전의 내용에 따라 각각을 예측합니다. 친숙한 소리? OpenAI가 이미지를 생성하는 방식과 유사하지만 중요한 차이가 있습니다.

Instead of generating discrete tokens (like words), TarFlow generates pixel values directly. This avoids the quality loss that comes with compressing images into a fixed vocabulary. It's a subtle but significant advantage.

Tarflow는 개별 토큰 (단어와 같은)을 생성하는 대신 직접 픽셀 값을 생성합니다. 이는 이미지를 고정 어휘로 압축하는 품질 손실을 피합니다. 미묘하지만 중요한 이점입니다.

STARFlow: Scaling Up the Vision

Starflow : 비전을 확장합니다

But TarFlow had its limits, especially with high-res images. That's where STARFlow (Scalable Transformer AutoRegressive Flow) comes in. The big change? STARFlow works on a compressed version of the image, then uses a decoder to upscale it. This "latent space" approach lets STARFlow focus on the big picture, leaving the fine details to the decoder.

그러나 Tarflow는 특히 고해상도 이미지와 함께 한계가있었습니다. 그것이 Starflow (확장 가능한 변압기 자동 회귀 흐름)가 들어오는 곳입니다. 큰 변화? Starflow는 압축 된 버전의 이미지에서 작동 한 다음 디코더를 사용하여 고급 스케일을 사용합니다. 이 "잠재적 인 공간"접근 방식은 별 흐름이 큰 그림에 초점을 맞출 수있게하여 디코더에 세부 사항을 남깁니다.

Apple also cleverly integrates existing language models (like Google's Gemma) for text prompts. This keeps the image generation focused on visual refinement.

애플은 또한 텍스트 프롬프트를 위해 기존 언어 모델 (예 : Google의 보석)을 영리하게 통합합니다. 이것은 이미지 생성이 시각적 개선에 중점을 둡니다.

Apple vs. OpenAI: A Different Approach

Apple vs. Openai : 다른 접근법

While Apple's rethinking flows, OpenAI's GPT-4o is also moving beyond diffusion. But their approaches are worlds apart. GPT-4o treats images as sequences of tokens, giving it incredible flexibility. The same model can generate text, images, and audio.

Apple의 다시 생각이 흐르지 만 Openai의 GPT-4O도 확산을 넘어서고 있습니다. 그러나 그들의 접근 방식은 세상입니다. GPT-4O는 이미지를 토큰 시퀀스로 취급하여 놀라운 유연성을 제공합니다. 동일한 모델이 텍스트, 이미지 및 오디오를 생성 할 수 있습니다.

The downside? Token-by-token generation can be slow and computationally expensive. But since GPT-4o runs in the cloud, OpenAI isn't as worried about latency or power.

단점? 토큰 별 생성은 느리고 계산적으로 비쌀 수 있습니다. 그러나 GPT-4O가 클라우드에서 실행되기 때문에 OpenAi는 대기 시간이나 전원에 대해 걱정하지 않습니다.

The key takeaway: OpenAI is building for data centers, while Apple is clearly building for our iPhones. The ability to run powerful AI image generation on-device, without relying on cloud connectivity, is a game-changer. It opens up possibilities for real-time creativity and enhanced privacy.

핵심 테이크 아웃 : OpenAi는 데이터 센터를위한 건축이며 Apple은 iPhone을 위해 분명히 구축하고 있습니다. 클라우드 연결에 의존하지 않고 강력한 AI 이미지 생성 온 장치를 실행하는 능력은 게임 체인저입니다. 실시간 창의성과 향상된 개인 정보를위한 가능성을 열어줍니다.

Why Normalizing Flows Matter

흐르는 흐름이 중요한 이유

Normalizing flows offer the ability to calculate the exact likelihood of the generated image. This is a key advantage over other methods and makes flows appealing for tasks where understanding the probability of an outcome really matters.

정규화 흐름은 생성 된 이미지의 정확한 가능성을 계산하는 능력을 제공합니다. 이것은 다른 방법에 비해 주요 이점이며 결과의 확률을 이해하는 것이 실제로 중요한 작업에 흐름을 매력적으로 만듭니다.

The Future of AI Image Generation on Apple Devices

Apple 장치에서 AI 이미지 생성의 미래

Apple's approach could lead to faster, more private, and energy-efficient AI image generation on its devices. Imagine creating stunning visuals on your iPhone without needing a constant internet connection or worrying about your data being sent to the cloud. That's the promise of Apple's Normalizing Flows.

Apple의 접근 방식은 장치에서 더 빠르고 개인적이며 에너지 효율적인 AI 이미지 생성으로 이어질 수 있습니다. 끊임없는 인터넷 연결이 필요하지 않거나 데이터가 클라우드로 전송되는 것에 대해 걱정하지 않고 iPhone에서 멋진 비주얼을 생성한다고 상상해보십시오. 그것이 Apple의 정상화 흐름의 약속입니다.

While Large Reasoning Models (LRMs) reasoning capabilities are debated, as highlighted by Apple's "Illusion of Thinking" paper and Anthropic's rebuttal, the focus on efficient, on-device AI suggests Apple is prioritizing practicality and user experience.

Apple의 "사고의 환상"논문과 Anthropic의 반박에 의해 강조된대로 LRM (Lorge Orady Models) 추론 능력에 대해 논의되는 반면, 효율적 인 Op-Device AI에 대한 초점은 Apple이 실용성과 사용자 경험을 우선시하고 있음을 시사합니다.

A Personal Take

개인적인 테이크

It's easy to get caught up in the hype around massive cloud-based AI models. But Apple's focus on bringing AI to our pockets is incredibly exciting. The potential for on-device AI to revolutionize creativity, productivity, and privacy is immense. I think Apple's bet on Normalizing Flows is a smart one, and I can't wait to see what they come up with next.

대규모 클라우드 기반 AI 모델에 대한 과대 광고에 빠지기 쉽습니다. 그러나 애플은 우리의 주머니에 AI를 가져 오는 데 초점을 맞추는 것은 매우 흥미 진진합니다. 기기 AI가 창의성, 생산성 및 프라이버시를 혁신 할 수있는 잠재력은 엄청납니다. 나는 흐름 정상화에 대한 애플의 베팅이 똑똑한 것이라고 생각하며, 그들이 다음에 무엇을 내놓는 지 기다릴 수 없다.

So, there you have it. Apple's taking a different path in the AI image generation race, and it's definitely one to watch. Who knows, maybe Normalizing Flows will be the next big thing. One thing's for sure: the future of AI is looking pretty flow-tastic!

그래서, 당신은 그것을 가지고 있습니다. Apple은 AI 이미지 생성 레이스에서 다른 길을 택하며 분명히 볼 수 있습니다. 누가, 아마도 정상화 흐름이 다음 큰 일이 될 것입니다. 한 가지 확실한 점은 : AI의 미래는 꽤 흐르는 것처럼 보입니다!