Tá samhlacha réamhdhéanta foilsithe ag Cobhsaíocht AI don chóras meaisínfhoghlama Cobhsaí Idirleata, atá in ann íomhánna a shintéisiú agus a mhodhnú bunaithe ar thuairisc téacs i dteanga nádúrtha. Tá múnlaí ceadúnaithe faoi cheadúnas ceadaithe Creative ML OpenRAIL-M le haghaidh úsáide tráchtála. Chun an córas a oiliúint, baineadh úsáid as braisle de 4000 NVIDIA A100 Ezra-1 GPUs agus bailiúchán LAION-5B, lena n-áirítear 5.85 billiún íomhánna le tuairiscí téacs. Roimhe seo, bhí an cód le haghaidh uirlisí chun líonra néarúil a oiliúint agus íomhánna a ghiniúint foinse oscailte faoin gceadúnas MIT.
Tháinig roinnt tionscadal gaolmhar chun cinn mar gheall ar shamhail réidh de dhéantús an duine agus riachtanais chórais measartha a ligeann do dhuine trialacha a thosú ar ríomhaire le GPUanna caighdeánacha:
- inbhéartú téacsúil (cód) - breiseán a ligeann duit íomhánna a shintéisiú le carachtar, réad nó stíl tugtha. Sa Idirleathadh Cobhsaí bunaidh, tá na rudaí sna híomhánna sintéiseithe randamach agus neamhrialaithe. Ligeann an breiseán molta duit do chuid rudaí amhairc féin a chur leis, iad a cheangal le heochairfhocail agus iad a úsáid i sintéis.
Mar shampla, i Idirleathadh Cobhsaí rialta is féidir leat iarraidh ar an gcóras íomhá a ghiniúint le “cat i mbád”. Ina theannta sin, is féidir leat tréithe an chait agus an bháid a shoiléiriú, ach níl sé intuartha cén cat agus bád a shintéisiú. Ligeann inbhéartú téacs duit an córas a oiliúint le híomhá do chait nó do bhád agus an íomhá a shintéisiú le cat nó bád ar leith. Ar an gcaoi chéanna, is féidir é a chur in ionad eilimintí íomhá freisin le rudaí áirithe, sampla de stíl amhairc a shocrú le haghaidh sintéise, agus coincheapa a shonrú (mar shampla, ó éagsúlacht iomlán na ndochtúirí, is féidir leat rogha níos cruinne agus ard-chaighdeán a úsáid. sa stíl atá ag teastáil).
- cobhsaí-idirleathadh-beochan - cruthú íomhánna beoite (gluaisteacha) bunaithe ar idirshuíomh idir pictiúir a ghintear in Idirleathadh Cobhsaí.
- stable_diffusion.openvino (cód) - calafort de Idirleathadh Cobhsaí, a úsáideann ach an LAP le haghaidh ríomhaireachtaí, a cheadaíonn turgnamh ar chórais gan GPUs cumhachtacha. Teastaíonn próiseálaí a fhaigheann tacaíocht sa leabharlann OpenVINO. Go hoifigiúil, soláthraíonn OpenVINO forlíontáin do phróiseálaithe Intel le síntí AVX2, AVX-512, AVX512_BF16 agus SSE, chomh maith le haghaidh boird Raspberry Pi 4 Samhail B, Apple Mac mion agus NVIDIA Jetson Nano. Go neamhoifigiúil, is féidir OpenVINO a úsáid ar phróiseálaithe AMD Ryzen.
- Is port é sdamd do GPUanna AMD.
- Cur i bhfeidhm tosaigh sintéise físeáin.
- cobhsaí-idirleathadh-gui, cobhsaí-idirleathadh-ui, Artbreeder Collage, idirleata-an-chuid eile - comhéadain grafacha chun íomhánna a ghiniúint ag baint úsáide as Idirleathadh Cobhsaí.
- beta.dreamstudio.ai, Hugging Face Spaces, hlky Cobhsaí Idirleata WebUI - comhéadain gréasáin le haghaidh sintéise íomhá ag baint úsáide as Idirleathadh Cobhsaí.
- Breiseáin chun Idirleathadh Cobhsaí a chomhtháthú le GIMP, Figma, Cumascóir agus Photoshop.
Ina theannta sin, is féidir linn a thabhairt faoi deara gur foilsíodh cód an chórais meaisínfhoghlama RawNeRF (RAW Neural Radiance Fields) ag Google, a cheadaíonn, bunaithe ar shonraí ó roinnt íomhánna RAW, cáilíocht na n-íomhánna an-torannacha a thógtar sa dorchadas agus sa dorchadas a fheabhsú. soilsiú bocht. Chomh maith le deireadh a chur le torann, is féidir sonraí a mhéadú, deireadh a chur le glare, HDR a shintéisiú agus an soilsiú iomlán i ngrianghraif a athrú leis na huirlisí a d'fhorbair an tionscadal, chomh maith le suíomh tríthoiseach na n-ábhar a athchruthú ag baint úsáide as roinnt grianghraf ó uillinneacha éagsúla, an dearcadh a athrú, fócas a ionramháil agus pictiúir gluaisteacha a ghiniúint.
Foinse: oscailtenet.ru