Ny Stability AI dia namoaka modely efa vita ho an'ny rafitra fianarana milina Stable Diffusion, afaka mampifanaraka sy manova sary mifototra amin'ny famaritana lahatsoratra amin'ny fiteny voajanahary. Ny modely dia nahazo alalana amin'ny alΓ lan'ny fahazoan-dΓ lana Creative ML OpenRAIL-M azo ampiasaina amin'ny varotra. Mba hampiofanana ny rafitra dia nampiasaina ny vondron'olona 4000 NVIDIA A100 Ezra-1 GPU sy ny fanangonana LAION-5B, anisan'izany ny sary 5.85 lavitrisa misy famaritana lahatsoratra. Teo aloha, ny kaody ho an'ny fitaovana hanofanana tambajotra neural sy famokarana sary dia misokatra amin'ny alΓ lan'ny fahazoan-dΓ lana MIT.
Ny fisian'ny maodely efa vita sy ny fepetra takian'ny rafitra somary maotina izay ahafahan'ny olona iray manomboka andrana amin'ny PC miaraka amin'ny GPU manara-penitra dia nitarika ny fisian'ny tetikasa maromaro mifandraika amin'izany:
- textual-inversion (code) - add-on izay ahafahanao manambatra sary miaraka amin'ny toetra, zavatra na fomba. Ao amin'ny Stable Diffusion tany am-boalohany, kisendrasendra sy tsy voafehy ireo zavatra ao amin'ny sary natambatra. Ny soso-kevitra fanampiny dia ahafahanao manampy ireo zavatra hita maso, mamatotra azy ireo amin'ny teny fanalahidy ary mampiasa azy ireo amin'ny synthesis.
Ohatra, ao amin'ny Stable Diffusion mahazatra dia azonao atao ny mangataka ny rafitra hamorona sary misy "saka ao anaty sambo". Fanampin'izany, azonao atao ny manazava ny toetran'ny saka sy ny sambo, saingy tsy azo antoka hoe iza no saka sy sambo hatambatra. Text-inversion dia ahafahanao manofana ny rafitra amin'ny sarin'ny saka na sambonao ary mampifanaraka ny sary amin'ny saka na sambo manokana. Toy izany koa, afaka manolo ny singa sary amin'ny zavatra sasany izy, mametraka ohatra amin'ny fomba fijery ho an'ny synthesis, ary mamaritra hevitra (ohatra, avy amin'ny karazana dokotera rehetra, azonao atao ny mampiasa safidy tsara kokoa sy avo lenta kokoa. amin'ny fomba tiana).
- stable-diffusion-animation - famoronana sary mihetsiketsika (mihetsiketsika) mifototra amin'ny fifandimbiasana eo amin'ny sary vokarina ao amin'ny Stable Diffusion.
- stable_diffusion.openvino (code) - seranan-tsambon'ny Stable Diffusion, izay mampiasa ny CPU ihany ho an'ny kajy, izay mamela ny fanandramana amin'ny rafitra tsy misy GPU mahery. Mitaky processeur tohanana ao amin'ny tranomboky OpenVINO. Amin'ny fomba ofisialy, OpenVINO dia manome plugins ho an'ny processeur Intel miaraka amin'ny AVX2, AVX-512, AVX512_BF16 ary SSE extensions, ary koa ho an'ny Raspberry Pi 4 Model B, Apple Mac mini ary NVIDIA Jetson Nano boards. Tsy ofisialy, azo atao ny mampiasa OpenVINO amin'ny processeur AMD Ryzen.
- Sdamd dia seranan-tsambo ho an'ny GPU AMD.
- Fampiharana voalohany ny synthesis video.
- stable-diffusion-gui, stable-diffusion-ui, Artbreeder Collage, diffuse-the-rest - fifandraisana an-tsary amin'ny famoronana sary mampiasa Stable Diffusion.
- beta.dreamstudio.ai, Fihinana Face Spaces, hlky Stable Diffusion WebUI - interface tsara amin'ny Internet ho an'ny synthesis sary mampiasa Stable Diffusion.
- Plugins ho an'ny fampidirana Stable Diffusion miaraka amin'ny GIMP, Figma, Blender ary Photoshop.
Fanampin'izany, azontsika atao ny manamarika ny famoahana Google ny kaody momba ny rafitra fianarana milina RawNeRF (RAW Neural Radiance Fields), izay mamela, mifototra amin'ny angon-drakitra avy amin'ny sary RAW maromaro, hanatsarana ny kalitaon'ny sary mitabataba be nalaina tao anaty haizina sy tao anaty haizina. jiro ratsy. Ho fanampin'ny fanafoanana ny tabataba, ny fitaovana novolavolain'ny tetikasa dia ahafahana mampitombo ny antsipiriany, manafoana ny glare, mampifanaraka ny HDR ary manova ny jiro amin'ny ankapobeny amin'ny sary, ary mamerina indray ny toerana misy zavatra telo amin'ny fampiasana sary maromaro avy amin'ny zoro samihafa, manova ny fomba fijery, manodinkodina ny fifantohana ary mamorona sary mihetsika.
Source: opennet.ru