ऐप्स और सॉफ्टवेयर

inclusionAI/IDM: इंट्रिंसिक डिस्ट्रीब्यूशन मैचिंग (IDM) के लिए आधिकारिक इन्फर्ब्रेंस कोड और कार्यप्रणाली

09 Nov 2026, 03:28 PM IST · GlobeWire Daily Editorial Desk · Source: github.com

2 मिनट में पढ़ें

मुख्य बातेंइनक्लूजन एआई, वेस्टलेक यूनिवर्सिटी, त्सिगुआ यूनिवर्सिटी, झेजियांग यूनिवर्सिटी, शंघाई इनोवेशन इंस्टीट्यूट और MBZUAI के शोधकर्ताओं द्वारा इंट्रिंसिक डिस्ट्रीब्यूशन मैचिंग (IDM) के लिए आधिकारिक इन्फेरेंस कोड GitHub पर प्रकाशित किया गया है। यह रिपॉजिटरी आधिकारिक इन्फेरेंस सेटअप प्रदान करती है और यह उल्लेख करती है कि मॉडल के वेट जल्द ही आने वाले हैं।

inclusionAI/IDM: Official Inference Code and Methodology for Intrinsic Distribution Matching

चित्र: GitHub · चित्र स्रोत · Resized and letterboxed to 16:9; no AI generation

इनक्लूजन एआई, वेस्टलेक यूनिवर्सिटी, त्सिगुआ यूनिवर्सिटी, झेजियांग यूनिवर्सिटी, शंघाई इनोवेशन इंस्टीट्यूट और MBZUAI के शोधकर्ताओं द्वारा इंट्रिंसिक डिस्ट्रीब्यूशन मैचिंग (IDM) के लिए आधिकारिक इन्फेरेंस कोड GitHub पर प्रकाशित किया गया है। यह रिपॉजिटरी आधिकारिक इन्फेरेंस सेटअप प्रदान करती है और यह उल्लेख करती है कि मॉडल के वेट जल्द ही आने वाले हैं।

IDM को एक बाहरी फीचर एनकोडर की आवश्यकता के बिना, जनरेटर के अपने एक्सपोनेंशियल मूविंग एवरेज (EMA) फीचर स्पेस में मोमेंट मैचिंग के साथ इंटरनल डिस्ट्रीब्यूशन मैचिंग डिस्टिलेशन (DMD) को संयोजित करके एक-चरण और कुछ-चरण वाले टेक्स्ट-टू-इमेज जनरेशन में सुधार करने के लिए डिज़ाइन किया गया है। रिपॉजिटरी दस्तावेज़ और पेपर सारांश के अनुसार, एक प्रशिक्षित चेकपॉइंट 1-NFE और 2-NFE दोनों तरह के नमूने (sampling) का समर्थन करता है।

प्रदर्शन मुख्य बातें और रिपोर्ट किए गए मेट्रिक्स

लॉन्ग-टेक्स्ट रेंडरिंग: पेपर में 2 NFE पर LongText-CN पर 94.25% और LongText-EN पर 90.20% दर्ज किया गया है।
गति: BF16 में एक सिंगल A100 GPU पर फुल-पैरामीटर IDM (Z-Image) 1 NFE पर 0.25 सेकंड और 2 NFE पर 0.30 सेकंड लेता है, जबकि IDM (Qwen-Image) क्रमशः 0.35 सेकंड और 0.44 सेकंड लेता है।
एब्लेशन: इंटरनल DMD कंट्रोल में EMA फीचर-मोमेंट मैचिंग जोड़ने से एग्रीगेट मेट्रिक्स में सुधार होता है, जो DINOv2 फीचर्स के साथ प्राप्त परिणामों के करीब परिणाम देता है।

इन्फेरेंस सेटअप और आवश्यकताएं

रिपॉजिटरी आगामी वेट के लिए मानक आवश्यकताओं और उपयोग के तरीकों को रेखांकित करती है:

पर्यावरण: इसके लिए Python 3.10 या नया संस्करण और बैकबोन आकार के आधार पर पर्याप्त मेमोरी वाली CUDA-संगत मशीन की आवश्यकता होती है।
डिपेंडेंसी: PyTorch और पिन किए गए Diffusers संस्करणों का उपयोग करता है। इन्फेरेंस के लिए FlashAttention और FSDP की आवश्यकता नहीं है।
आर्गुमेंट्स: यह स्क्रिप्ट `--model`, `--steps` (1 या 2), `--device`, `--prompt-file`, और `--local-files-only` जैसे मापदंडों का समर्थन करती है।

सत्यापन और लाइसेंसिंग

उपयोगकर्ता कोडबेस का निरीक्षण करने, आर्गुमेंट सूचियों को सत्यापित करने और भविष्य के वेट रिलीज़ की जाँच करने के लिए GitHub - inclusionAI/IDM पर आधिकारिक रिपॉजिटरी देख सकते हैं। कोड Apache 2.0 लाइसेंस के तहत वितरित किया जाता है, जबकि बेस-मॉडल और भविष्य के IDM चेकपॉइंट वेट अलग-अलग लाइसेंस के अधीन होंगे।

संबंधित विषय

मूल स्रोत पढ़ें: inclusionAI/IDM: Official inference code for Intrinsic Distribution Matching (IDM). Model weights: coming soon. - GitHub

AI की सहायता से तैयार रिपोर्ट; मूल स्रोत के दावों की स्वतंत्र पुष्टि नहीं की गई है।