Ọrụ Riffusion na-emepụta ụdị dị iche iche nke sistemu mmụta igwe Stable Diffusion emegharịrị iji mepụta egwu kama ịbụ onyonyo. Enwere ike ịhazi egwu site na nkọwa ederede n'asụsụ okike ma ọ bụ dabere na ndebiri atụpụtara. Edere ihe egwu egwu egwu na Python site na iji usoro PyTorch ma dị n'okpuru ikike MIT. A na-emejuputa njikọ ahụ na interface n'asụsụ TypeScript ma kesaakwa n'okpuru ikikere MIT. A na-ewepụta ụdị ndị a zụrụ azụ n'okpuru ikike ikike nke Creative ML OpenRAIL-M maka iji azụmahịa.
Ihe oru ngo a na-adọrọ mmasị na ọ na-aga n'ihu na-eji ụdị "ederede-na-oyiyi" na "ihe oyiyi-ihe oyiyi" maka ọgbọ egwu, ma na-emegharị spectrograms dị ka ihe oyiyi. N'ikwu ya n'ụzọ ọzọ, a na-azụ Stable Diffusion kpochapụwo ọ bụghị na foto na foto, kama na ihe oyiyi nke spectrograms na-egosipụta mgbanwe na ugboro na njupụta nke ụda ụda ka oge na-aga. N'ihi nke a, a na-emepụtakwa spectrogram na mmepụta, nke a na-agbanwezi ka ọ bụrụ ihe nnọchianya ọdịyo.
A nwekwara ike iji usoro a gbanwee nhazi ụda dị adị yana nchikota egwu ihe atụ, dị ka mgbanwe oyiyi na Stable Diffusion. Dịka ọmụmaatụ, ọgbọ nwere ike ịtọ spectrograms sample na ụdị ntụaka, jikọta ụdị dị iche iche, mee mgbanwe dị nro site n'otu ụdị gaa na nke ọzọ, ma ọ bụ mee mgbanwe na ụda dị adị iji dozie nsogbu dị ka ịba ụba nke ngwá ọrụ ọ bụla, ịgbanwe ụda olu na ụda olu. dochie ngwá ọrụ. A na-ejikwa usoro iji mepụta ihe egwu egwu ogologo oge mejupụtara usoro nke dị nso na ibe ya, na-agbanwe ntakịrị ka oge na-aga. A na-ejikọta iberibe iberibe iche iche ka ọ bụrụ iyi na-aga n'ihu site n'itinye akụkụ dị n'ime nke ihe nlereanya ahụ.
Iji mepụta spectrogram site na ụda, a na-eji mgbanwe Fourier nwere windo. Mgbe ị na-emegharị ụda site na spectrogram, enwere nsogbu na ikpebi usoro (naanị ugboro na njupụta dị na spectrogram), maka nrụgharị nke Griffin-Lim approximation algorithm na-eji.
isi: opennet.ru