Robin Rombach एक जर्मन मशीन लर्निंग शोधकर्ता हैं, जिन्हें लैटेंट डिफ्यूजन मॉडल आर्किटेक्चर के प्रमुख लेखक के रूप में जाना जाता है, जो स्टेबल डिफ्यूजन की तकनीकी नींव बना, और ब्लैक फॉरेस्ट लैब्स के सह-संस्थापक के रूप में, जो फ्लक्स छवि-निर्माण मॉडल के पीछे की कंपनी है।
Rombach ने अपना शोध लुडविग मैक्सिमिलियन यूनिवर्सिटी ऑफ म्यूनिख में CompVis (कंप्यूटर विजन) समूह में पीएचडी छात्र के रूप में, प्रोफेसर Bjorn Ommer के अधीन किया। 2022 में वे Andreas Blattmann, Dominik Lorenz, Patrick Esser और Ommer के साथ "High-Resolution Image Synthesis with Latent Diffusion Models" नामक पेपर के प्रमुख लेखक थे, जिसे CVPR 2022 में प्रस्तुत किया गया। पेपर का मुख्य योगदान डिफ्यूजन डीनॉइज़िंग प्रक्रिया को पिक्सल पर सीधे चलाने के बजाय एक ऑटोएनकोडर द्वारा उत्पन्न संपीड़ित लैटेंट प्रतिनिधित्व में चलाना था, जिसने उच्च-रिज़ॉल्यूशन छवि जनरेटर को प्रशिक्षित करने और चलाने के लिए आवश्यक कंप्यूट को बड़े कारक से कम कर दिया। इस दक्षता लाभ ने एक ओपन-वेट मॉडल को प्रशिक्षित करना और सार्वजनिक रूप से जारी करना व्यावहारिक बना दिया, जो एक एकल उपभोक्ता GPU पर चलने में सक्षम था, यह कार्य स्टेबिलिटी एआई ने वित्त पोषित किया और अगस्त 2022 में स्टेबल डिफ्यूजन के रूप में सार्वजनिक रूप से जारी किया।
स्टेबिलिटी एआई से ब्लैक फॉरेस्ट लैब्स तक
Rombach बाद में स्टेबिलिटी एआई में शामिल हो गए, जहाँ उन्होंने बाद के स्टेबल डिफ्यूजन रिलीज़, जिसमें स्टेबल डिफ्यूजन 3 मॉडल परिवार शामिल है, पर एक प्रमुख शोधकर्ता के रूप में काम किया। 2024 की शुरुआत में उन्होंने स्टेबिलिटी एआई छोड़ दिया, साथ ही साथी लैटेंट डिफ्यूजन सह-लेखक Patrick Esser और Andreas Blattmann के साथ, ब्लैक फॉरेस्ट लैब्स की स्थापना की, जो जनरेटिव मीडिया मॉडल पर केंद्रित एक स्वतंत्र जर्मन एआई प्रयोगशाला है, जिसका नाम दक्षिणी जर्मनी के ब्लैक फॉरेस्ट क्षेत्र से लिया गया है।
ब्लैक फॉरेस्ट लैब्स ने अगस्त 2024 में FLUX परिवार के छवि निर्माण मॉडल जारी किए, उन्हें बंद टेक्स्ट-टू-इमेज प्रणालियों के विकल्प के रूप में एक खुला और व्यावसायिक रूप से लाइसेंस प्राप्त विकल्प के रूप में स्थापित किया। FLUX को जल्दी से ओपन-सोर्स जनरेटिव एआई पारिस्थितिकी तंत्र में अपनाया गया और ग्रोक की छवि निर्माण सुविधाओं जैसे उत्पादों में एकीकृत किया गया। प्रयोगशाला ने तब से वीडियो निर्माण अनुसंधान में विस्तार किया है, एक ऐसे क्षेत्र में प्रतिस्पर्धा करते हुए जिसमें रनवे, क्लिंग और सीडेंस भी शामिल हैं।
महत्व
Rombach के काम को व्यापक रूप से उन प्रमुख तकनीकी योगदानों में से एक के रूप में श्रेय दिया जाता है, जिसने उच्च-गुणवत्ता वाले डिफ्यूजन-आधारित छवि निर्माण को कुछ अच्छी तरह से वित्त पोषित प्रयोगशालाओं के बाहर व्यापक रूप से सुलभ बना दिया, एक तरीके से जो ट्रांसफॉर्मर आर्किटेक्चर की भाषा मॉडल में भूमिका के तुलनीय है। एक शैक्षणिक प्रयोगशाला से, एक वित्त पोषित स्टार्टअप तक, और अपनी खुद की कंपनी की स्थापना तक का उनका मार्ग शोधकर्ताओं के एक व्यापक पैटर्न को दर्शाता है, जिनके पेपर प्रमुख व्यावसायिक एआई उत्पादों को रेखांकित करते हैं, उस काम के आसपास कंपनियों का निर्माण करने के लिए आगे बढ़ते हैं।