Robin Rombach é um pesquisador alemão de aprendizado de máquina, conhecido como autor principal da arquitetura de modelo de difusão latente que se tornou a base técnica do Stable Diffusion, e como cofundador da Black Forest Labs, a empresa por trás dos modelos de geração de imagem FLUX.
Rombach conduziu sua pesquisa como estudante de doutorado no grupo CompVis (Visão Computacional) da Universidade Ludwig Maximilian de Munique, sob o professor Bjorn Ommer. Em 2022, foi autor principal, ao lado de Andreas Blattmann, Dominik Lorenz, Patrick Esser e Ommer, do artigo "High-Resolution Image Synthesis with Latent Diffusion Models", apresentado na CVPR 2022. A principal contribuição do artigo foi executar o processo de denoising de difusão em uma representação latente comprimida produzida por um Autoencoder, em vez de diretamente nos pixels, o que reduziu por um grande fator o poder computacional necessário para treinar e executar geradores de imagem de alta resolução. Essa eficiência tornou prático treinar e liberar publicamente um modelo de pesos abertos capaz de rodar em uma única GPU de consumo, trabalho que a Stability AI financiou e lançou publicamente em agosto de 2022 como Stable Diffusion.
Da Stability AI à Black Forest Labs
Rombach posteriormente ingressou na Stability AI, onde trabalhou como pesquisador líder em lançamentos posteriores do Stable Diffusion, incluindo a família de modelos Stable Diffusion 3. No início de 2024, deixou a Stability AI, junto com os coautores da difusão latente Patrick Esser e Andreas Blattmann, para fundar a Black Forest Labs, um laboratório alemão independente de IA focado em modelos de mídia generativa, que recebeu esse nome em referência à região da Floresta Negra, no sul da Alemanha.
A Black Forest Labs lançou a família de modelos de geração de imagem FLUX em agosto de 2024, posicionando-os como uma alternativa aberta e com licença comercial aos sistemas Text-to-image generation fechados. O FLUX foi rapidamente adotado no ecossistema de IA generativa de código aberto e integrado a produtos como os recursos de geração de imagem do Grok. Desde então, o laboratório expandiu-se para a pesquisa de geração de vídeo, competindo em um campo que também inclui Runway, Kling e Seedance.
Importância
O trabalho de Rombach é amplamente creditado como uma das contribuições técnicas cruciais que tornaram a geração de imagens de alta qualidade baseada em difusão amplamente acessível fora de um punhado de laboratórios bem financiados, de maneira comparável ao papel que a arquitetura Transformer (architecture) desempenhou nos modelos de linguagem. Seu caminho, de um laboratório acadêmico a uma startup financiada e à fundação de sua própria empresa, reflete um padrão mais amplo de pesquisadores cujos artigos sustentam grandes produtos comerciais de IA e que passam a construir empresas em torno desse trabalho.