Robin Rombach ist ein deutscher Maschinenlernforscher, bekannt als Hauptautor der Latent-Diffusion-Modellarchitektur, die die technische Grundlage von Stable Diffusion bildete, sowie als Mitbegründer von Black Forest Labs, dem Unternehmen hinter den FLUX-Bildgenerierungsmodellen.
Rombach führte seine Forschung als Doktorand in der CompVis-Gruppe (Computer Vision) an der Ludwig-Maximilians-Universität München unter Professor Björn Ommer durch. 2022 war er zusammen mit Andreas Blattmann, Dominik Lorenz, Patrick Esser und Ommer Hauptautor des Papers "High-Resolution Image Synthesis with Latent Diffusion Models", das auf der CVPR 2022 vorgestellt wurde. Der zentrale Beitrag des Papers bestand darin, den Diffusions-Entrauschungsprozess in einer komprimierten latenten Repräsentation durchzuführen, die von einem Autoencoder erzeugt wird, anstatt direkt auf Pixeln zu arbeiten, was den Rechenaufwand für das Training und den Betrieb von hochauflösenden Bildgeneratoren um einen großen Faktor reduzierte. Diese Effizienzsteigerung machte es praktikabel, ein Modell mit offenen Gewichten zu trainieren und öffentlich freizugeben, das auf einer einzelnen Consumer-GPU lauffähig ist - eine Arbeit, die Stability AI finanzierte und im August 2022 als Stable Diffusion öffentlich veröffentlichte.
Von Stability AI zu Black Forest Labs
Rombach wechselte anschließend zu Stability AI, wo er als leitender Forscher an späteren Stable-Diffusion-Veröffentlichungen arbeitete, einschließlich der Modellfamilie Stable Diffusion 3. Anfang 2024 verließ er Stability AI zusammen mit den Mitautoren der latenten Diffusion, Patrick Esser und Andreas Blattmann, um Black Forest Labs zu gründen, ein unabhängiges deutsches KI-Labor, das sich auf generative Medienmodelle konzentriert und seinen Namen von der Region Schwarzwald in Süddeutschland ableitet.
Black Forest Labs veröffentlichte im August 2024 die FLUX-Familie von Bildgenerierungsmodellen und positionierte sie als offene und kommerziell lizenzierte Alternative zu geschlossenen Text-to-image generation-Systemen. FLUX wurde schnell im Open-Source-Ökosystem der generativen KI übernommen und in Produkte wie die Bildgenerierungsfunktionen von Grok integriert. Das Labor hat sich seitdem auf die Forschung zur Videogenerierung ausgeweitet und konkurriert in einem Bereich, der auch Runway, Kling und Seedance umfasst.
Bedeutung
Rombachs Arbeit wird weithin als einer der entscheidenden technischen Beiträge angesehen, die hochwertige diffusionsbasierte Bildgenerierung außerhalb einer Handvoll gut finanzierter Labore allgemein zugänglich machten, vergleichbar mit der Rolle, die die Transformer (architecture)-Architektur bei Sprachmodellen spielte. Sein Weg von einem akademischen Labor über ein finanziertes Startup bis zur Gründung eines eigenen Unternehmens spiegelt ein breiteres Muster von Forschern wider, deren Papers großen kommerziellen KI-Produkten zugrunde liegen und die anschließend Unternehmen um diese Arbeit herum aufbauen.