PrismML เปิดแหล่งที่มาของโมเดลสร้างภาพขนาด 0.93GB ชื่อ Bonsai4B สำหรับใช้งานบนอุปกรณ์

ME AI ข่าว ตามการตรวจสอบของ Beating โมเดลสร้างภาพฝั่งปลายทางแบบเปิดแหล่งที่มา PrismML ชื่อ Bonsai Image 4B สามารถดำเนินการแบบกระจายบนอุปกรณ์ท้องถิ่น เช่น แล็ปท็อปและโทรศัพท์มือถือได้โดยตรง Bonsai Image 4B มีเวอร์ชันบีบอัดขั้นต่ำสองแบบคือ 1-bit และ Ternary (สามค่า) โดยโมเดล Transformer หลักของการกระจายมีขนาดเพียง 0.93 GB และ 1.21 GB ตามลำดับ ส่วนขนาดแพ็กเกจการติดตั้งเต็มรูปแบบบนอุปกรณ์ Apple Silicon คือ 3.42 GB และ 3.88 GB ตามลำดับ และได้เปิดตัวแอป iOS ที่เกี่ยวข้องชื่อ Bonsai Studio เพื่อให้สามารถสร้างภาพแบบออฟไลน์บนอุปกรณ์ปลายทางได้ โดยเฉพาะเวอร์ชัน 1-bit ถูกออกแบบมาสำหรับฮาร์ดแวร์ที่มีหน่วยความจำต่ำ โดยลดขนาดโมเดล Transformer ของการกระจายจาก FLUX.2 Klein 4B ขนาด 7.75 GB ให้เหลือเพียง 0.93 GB หรือลดลง 8.3 เท่าเมื่อเทียบกับเวอร์ชันความแม่นยำเต็มรูปแบบ ส่วนเวอร์ชัน Ternary มีขนาด Transformer หลักอยู่ที่ 1.21 GB ซึ่งลดลง 6.4 เท่าเมื่อเทียบกับเวอร์ชันความแม่นยำเต็มรูปแบบ แต่ใช้การควอนไทซ์ด้วยน้ำหนักสามค่า {-1, 0, +1} เพื่อเพิ่มความยืดหยุ่นในการแสดงผล จึงสามารถปรับปรุงคุณภาพภาพและความถูกต้องของคำสั่งพร้อมกับรักษาการใช้พื้นที่จัดเก็บต่ำไว้ ตามผลการประเมิน Bonsai Image 4B แม้จะมีการบีบอัดขนาดอย่างมาก ก็ยังสามารถแข่งขันกับโมเดลสร้างภาพหลักที่มีพารามิเตอร์มากกว่ามากในด้านการจัดองค์ประกอบวัตถุ ความชอบของดวงตามนุษย์ มาตรฐานความงาม และความสามารถในการปฏิบัติตามคำสั่งซับซ้อน เวอร์ชัน 1-bit และ Ternary รักษาประสิทธิภาพของโมเดลความแม่นยำเต็มรูปแบบไว้ได้ที่ 88% และ 95% ตามลำดับ แอปมือถือ Bonsai Studio ที่เปิดตัวพร้อมกันอนุญาตให้ผู้ใช้งานสร้างภาพแบบออฟไลน์เต็มรูปแบบบน iPhone โดยกระบวนการทั้งหมดดำเนินการบนอุปกรณ์ท้องถิ่นโดยสมบูรณ์ โดยไม่ต้องสมัครสมาชิกและไม่ส่งคำขอ API ไปยังเซิร์ฟเวอร์คลาวด์ PrismML ได้เผยแพร่โมเดลสองเวอร์ชันนี้ภายใต้สัญญาอนุญาต Apache 2.0 แล้ว (ที่มา: BlockBeats)