Tha Stability AI air modalan deiseil fhoillseachadh airson an t-siostam ionnsachaidh inneal Stable Diffusion, a tha comasach air ìomhaighean a cho-chur agus atharrachadh stèidhichte air tuairisgeul teacsa ann an cànan nàdurrach. Tha cead aig modalan fo chead ceadaichte Creative ML OpenRAIL-M airson cleachdadh malairteach. Gus an siostam a thrèanadh, chaidh cruinneachadh de 4000 NVIDIA A100 Ezra-1 GPUs agus cruinneachadh LAION-5B, a’ toirt a-steach 5.85 billean ìomhaigh le tuairisgeulan teacsa, a chleachdadh. Roimhe sin, bha an còd airson innealan airson lìonra neural a thrèanadh agus gus ìomhaighean a ghineadh fosgailte fo chead MIT.
Tha cothrom air modal deiseil agus riatanasan siostam meadhanach beag a leigeas le deuchainnean tòiseachaidh air PC le GPUs àbhaisteach air leantainn gu grunn phròiseactan co-cheangailte riutha:
- tionndadh teacsa (còd) - tuilleadan a leigeas leat ìomhaighean a cho-chur ri caractar, rud no stoidhle sònraichte. Anns an Stable Diffusion tùsail, tha na nithean anns na h-ìomhaighean co-shìnte air thuaiream agus neo-riaghlaidh. Leigidh an tuilleadan a thathar a’ moladh dhut na stuthan lèirsinneach agad fhèin a chur ris, an ceangal ri prìomh fhaclan agus an cleachdadh ann an synthesis.
Mar eisimpleir, ann an Stable Difffusion faodaidh tu iarraidh air an t-siostam ìomhaigh a ghineadh le “cat ann am bàta”. A bharrachd air an sin, faodaidh tu feartan a ’chait agus a’ bhàta a shoilleireachadh, ach tha e do-chreidsinneach dè an cat is am bàta a thèid a cho-chur. Leigidh tionndadh teacsa leat an siostam a thrèanadh air ìomhaigh do chat no bàta agus an ìomhaigh a cho-chur le cat no bàta sònraichte. San aon dòigh, faodaidh e cuideachd nithean sònraichte a chuir an àite eileamaidean ìomhaigh, suidheachadh eisimpleir de stoidhle lèirsinneach airson synthesis, agus bun-bheachdan a shònrachadh (mar eisimpleir, bhon mheasgachadh iomlan de dhotairean, faodaidh tu taghadh nas cruinne agus àrd-inbhe a chleachdadh anns an stoidhle a tha thu ag iarraidh).
- stàball-sgaoileadh-beothachadh - cruthachadh ìomhaighean beòthail (gluasadach) stèidhichte air eadar-obrachadh eadar dealbhan a chaidh a chruthachadh ann an Stable Diffusion.
- stable_diffusion.openvino (còd) - port de Stable Diffusion, a bhios a’ cleachdadh an CPU a-mhàin airson àireamhachadh, a leigeas le deuchainnean air siostaman gun GPUs cumhachdach. Feumaidh pròiseasar le taic ann an leabharlann OpenVINO. Gu h-oifigeil, tha OpenVINO a ’toirt seachad plugins airson pròiseasairean Intel le leudachaidhean AVX2, AVX-512, AVX512_BF16 agus SSE, a bharrachd air airson bùird Raspberry Pi 4 Model B, Apple Mac mini agus NVIDIA Jetson Nano. Gu neo-oifigeil, tha e comasach OpenVINO a chleachdadh air pròiseasairean AMD Ryzen.
- Tha sdamd na phort airson AMD GPUs.
- Buileachadh tùsail de synthesis bhidio.
- stàball-sgaoileadh-gui, stàball-sgaoileadh-ui, Artbreeder Collage, diffuse-the-rest - eadar-aghaidh grafaigeach airson ìomhaighean a chruthachadh a’ cleachdadh Stable Diffusion.
- beta.dreamstudio.ai, Hugging Face Spaces, hlky Stable Diffusion WebUI - eadar-aghaidh lìn airson synthesis ìomhaighean a’ cleachdadh Stable Diffusion.
- Plugins airson a bhith ag amalachadh Stable Diffusion le GIMP, Figma, Blender agus Photoshop.
A bharrachd air an sin, is urrainn dhuinn toirt fa-near foillseachadh le Google de chòd siostam ionnsachaidh inneal RawNeRF (RAW Neural Radiance Fields), a leigeas, stèidhichte air dàta bho ghrunn ìomhaighean RAW, càileachd ìomhaighean fìor fhuaimneach a chaidh a thogail anns an dorchadas agus a-staigh a leasachadh. solais truagh. A bharrachd air cuir às do fhuaim, tha na h-innealan a chaidh a leasachadh leis a’ phròiseact ga dhèanamh comasach mion-fhiosrachadh a mheudachadh, cuir às do dheàrrsadh, co-chur HDR agus an solais iomlan ann an dealbhan atharrachadh, a bharrachd air suidheachadh trì-thaobhach nithean ath-chruthachadh a’ cleachdadh grunn dhealbhan bho dhiofar cheàrnan, atharraich an sealladh, atharraich fòcas agus cruthaich dealbhan gluasadach.
Source: fosgailtenet.ru
