Une équipe de recherche conjointe de l'Université de Californie du Sud et de l'Université Harvard a lancé le modèle génératif DreamDistribution. Grâce à l'apprentissage par incitation et à un très petit nombre d'images de référence, il permet de générer des images hautement diversifiées et personnalisées.
Cette méthode n'est pas seulement applicable à la génération d'images à partir de texte, mais elle excelle également dans le domaine de la génération 3D. DreamDistribution a obtenu des résultats exceptionnels lors des évaluations, démontrant son potentiel d'application à des tâches de génération plus vastes.
