Robin Rombachは、潜在拡散モデルアーキテクチャの主著者として知られるドイツの機械学習研究者であり、このアーキテクチャはStable Diffusionの技術的基盤となった。また、FLUX画像生成モデルを開発したBlack Forest Labsの共同創業者でもある。
Rombachは、ミュンヘン大学（Ludwig Maximilian University of Munich）のコンピュータビジョン（CompVis）グループで博士課程の学生として、教授 Bjorn Ommerの指導のもとで研究を行った。2022年には、Andreas Blattmann、Dominik Lorenz、Patrick Esser、Ommerと共に、CVPR 2022で発表された論文「High-Resolution Image Synthesis with Latent Diffusion Models」の主著者を務めた。この論文の主な貢献は、拡散ノイズ除去プロセスを、ピクセル上で直接行うのではなく、オートエンコーダによって生成された圧縮された潜在表現上で実行したことであり、これにより高解像度画像生成器の訓練と実行に必要な計算量を大幅に削減した。この効率化によって、単一の一般ユーザー向けGPUで実行可能なオープンウェイトモデルを訓練し、公開することが実用可能となり、この作業はStability AIが資金提供し、2022年8月にStable Diffusionとして公開した。
From Stability AI to Black Forest Labs
Rombachはその後Stability AIに入社し、Stable Diffusion 3モデルファミリーなど、後期のStable Diffusionリリースで主任研究員として働いた。2024年初頭に、他のよく知られた拡散モデルの共同著者であるPatrick EsserとAndreas Blattmannと共にStability AIを退社し、生成メディアモデルに焦点を当てた独立系ドイツのAIラボであるBlack Forest Labsを設立した。名前はドイツ南部のBlack Forest地域に由来する。
Black Forest Labsは、2024年8月にFLUX画像生成モデルファミリーを公開し、閉じたテキストから画像へシステムに対するオープンかつ商用ライセンス可能な代替として位置づけた。FLUXはオープンソース生成AIエコシステムで迅速に採用され、Grokの画像生成機能などに組み込まれた。ラボはその後、動像生成研究に拡大し、Runway、Kling、Seedanceを含む分野で競合している。
重要性
Rombachの仕事は、少数の資金力豊かなラボの外でも高品質な拡散ベースの画像生成を広く入手可能にした重要な技術貢献の一つとして広く評価されており、その点でTransformerアーキテクチャが言語モデルに果たした役割と類似しています。彼の学術ラボから資金提供されたスタートアップ、そして自身の会社の設立までの道のりは、論文が主要な商用AI製品の基盤となる研究者がその作業を中心に会社を設立するという広範なパターンを反映しています。