ညဓာတ်ပုံများတွင် ရုပ်ပုံပေါင်းစပ်ခြင်းနှင့် ဆူညံသံလျှော့ချခြင်းအတွက် စက်သင်ယူမှုစနစ်များ

Stability AI သည် သဘာဝဘာသာစကားဖြင့် စာသားဖော်ပြချက်အပေါ် အခြေခံ၍ ပုံများကို ပေါင်းစပ်ခြင်းနှင့် ပြုပြင်မွမ်းမံနိုင်သည့် Stable Diffusion စက်သင်ယူမှုစနစ်အတွက် အဆင်သင့်လုပ်ထားသော မော်ဒယ်များကို ထုတ်ဝေခဲ့သည်။ မော်ဒယ်များကို စီးပွားဖြစ်အသုံးပြုရန်အတွက် ခွင့်ပြုထားသော Creative ML OpenRAIL-M လိုင်စင်အောက်တွင် လိုင်စင်ရထားသည်။ စနစ်လေ့ကျင့်ရန်အတွက် NVIDIA A4000 Ezra-100 GPU အစုအဝေး 1 နှင့် LAION-5B စုဆောင်းမှု 5.85 ဘီလီယံ စာသားဖော်ပြချက်များပါရှိသော ပုံများကို အသုံးပြုခဲ့သည်။ ယခင်က၊ အာရုံကြောကွန်ရက်ကို လေ့ကျင့်သင်ကြားခြင်းနှင့် ပုံများဖန်တီးခြင်းအတွက် ကိရိယာများအတွက် ကုဒ်ကို MIT လိုင်စင်အောက်တွင် ပွင့်လင်းမြင်သာစွာ အသုံးပြုခဲ့သည်။

အဆင်သင့်လုပ်ထားသော မော်ဒယ်၏ ရရှိနိုင်မှုနှင့် စံ GPU များဖြင့် PC တွင် စမ်းသပ်မှုများ စတင်ခွင့်ပြုသည့် မျှမျှတတ ကျိုးနွံသော စနစ်လိုအပ်ချက်များကြောင့် ဆက်စပ်ပရောဂျက်များစွာ ပေါ်ပေါက်လာခဲ့သည်။

• စာသားပြောင်းပြန်လှန်ခြင်း (ကုဒ်) - ပေးထားသော ဇာတ်ကောင်၊ အရာဝတ္ထု သို့မဟုတ် စတိုင်ဖြင့် ပုံများကို ပေါင်းစပ်နိုင်စေမည့် add-on တစ်ခု။ မူရင်း Stable Diffusion တွင်၊ ပေါင်းစပ်ထားသော ပုံများတွင်ရှိသော အရာများသည် ကျပန်းဖြစ်ပြီး ထိန်းချုပ်၍မရပါ။ အဆိုပြုထားသော အပိုပရိုဂရမ်သည် သင့်ကိုယ်ပိုင်အမြင်ရှိအရာဝတ္ထုများကို ထည့်သွင်းရန်၊ ၎င်းတို့အား သော့ချက်စာလုံးများနှင့် ပေါင်းစည်းပြီး ပေါင်းစပ်မှုတွင် အသုံးပြုနိုင်သည်။

  ဥပမာအားဖြင့်၊ ပုံမှန် Stable Diffusion တွင် "လှေထဲတွင် ကြောင်" နှင့် ပုံတစ်ပုံကို ဖန်တီးရန် စနစ်ကို သင်တောင်းဆိုနိုင်သည်။ ထို့အပြင်၊ ကြောင်နှင့်လှေ၏လက္ခဏာများကိုသင်ရှင်းလင်းနိုင်သော်လည်းမည်သည့်ကြောင်နှင့်လှေကိုပေါင်းစပ်မည်ကိုကြိုတင်ခန့်မှန်းမရနိုင်ပါ။ Textual-ပြောင်းပြန်လှန်ခြင်းသည် သင့်ကြောင် သို့မဟုတ် လှေရုပ်ပုံပေါ်ရှိ စနစ်အား လေ့ကျင့်ပေးပြီး တိကျသောကြောင် သို့မဟုတ် လှေဖြင့် ရုပ်ပုံကို ပေါင်းစပ်နိုင်စေပါသည်။ အလားတူပင်၊ ၎င်းသည် ရုပ်ပုံဒြပ်စင်များကို အချို့သောအရာဝတ္ထုများဖြင့် အစားထိုးခြင်း၊ ပေါင်းစပ်မှုအတွက် အမြင်ဟန်ပုံစံကို နမူနာသတ်မှတ်ခြင်းနှင့် အယူအဆများကို သတ်မှတ်ခြင်း (ဥပမာ၊ ဆရာဝန်အမျိုးမျိုးမှ၊ သင်သည် ပိုမိုတိကျပြီး အရည်အသွေးမြင့်သော ရွေးချယ်မှုကို အသုံးပြုနိုင်သည်။ လိုချင်သောပုံစံ) ။

  

• Stable-diffusion-animation - Stable Diffusion တွင်ထုတ်လုပ်ထားသော ပုံများကြားတွင် ပေါင်းစပ်ထည့်သွင်းမှုအပေါ် အခြေခံ၍ ကာတွန်း (ရွေ့လျား) ပုံများကို ဖန်တီးခြင်း။
• Stable_diffusion.openvino (ကုဒ်) - တွက်ချက်မှုများအတွက် CPU ကိုသာအသုံးပြုသည့် Stable Diffusion ၏ဆိပ်ကမ်းတစ်ခုဖြစ်ပြီး အစွမ်းထက် GPU များမပါဘဲ စနစ်များတွင် လက်တွေ့စမ်းသပ်မှုများကို ခွင့်ပြုပေးသော တွက်ချက်မှုများ။ OpenVINO စာကြည့်တိုက်တွင် ပံ့ပိုးထားသော ပရိုဆက်ဆာတစ်ခု လိုအပ်သည်။ တရားဝင်အားဖြင့်၊ OpenVINO သည် AVX2၊ AVX-512၊ AVX512_BF16 နှင့် SSE တိုးချဲ့မှုများအပြင် Raspberry Pi 4 Model B၊ Apple Mac mini နှင့် NVIDIA Jetson Nano ဘုတ်များပါရှိသော Intel ပရိုဆက်ဆာများအတွက် ပလပ်အင်များကို ပံ့ပိုးပေးပါသည်။ တရားဝင်မဟုတ်သော၊ AMD Ryzen ပရိုဆက်ဆာများတွင် OpenVINO ကိုသုံးနိုင်သည်။
• sdamd သည် AMD GPU များအတွက် port တစ်ခုဖြစ်သည်။
• ဗီဒီယိုပေါင်းစပ်မှု၏ ကနဦးအကောင်အထည်ဖော်မှု။
• Stable Diffusion-ui၊ Stable-Diffusion-ui၊ Artbreeder Collage၊ diffuse-the-rest - Stable Diffusion ကို အသုံးပြု၍ ရုပ်ပုံများ ဖန်တီးရန်အတွက် ဂရပ်ဖစ် အင်တာဖေ့စ်များ။
• beta.dreamstudio.ai၊ Hugging Face Spaces၊ hlky Stable Diffusion WebUI - Stable Diffusion ကို အသုံးပြု၍ ရုပ်ပုံပေါင်းစပ်မှုအတွက် ဝဘ်အင်တာဖေ့စ်များ။
• Stable Diffusion ကို GIMP၊ Figma၊ Blender နှင့် Photoshop တို့နှင့် ပေါင်းစပ်ရန်အတွက် ပလပ်အင်များ။

ထို့အပြင်၊ RawNeRF (RAW Neural Radiance Fields) စက်သင်ယူမှုစနစ်၏ ကုဒ်၏ Google မှထုတ်ဝေထားသော RAW ပုံများစွာမှ ဒေတာများကို အခြေခံ၍ အမှောင်နှင့်အတွင်းတွင် ရိုက်ကူးထားသော အလွန်ဆူညံသောပုံများ၏ အရည်အသွေးကို မြှင့်တင်ပေးနိုင်သည်ကို မှတ်သားနိုင်ပါသည်။ အလင်းအားနည်း။ ဆူညံသံများကို ဖယ်ရှားပေးသည့်အပြင်၊ ပရောဂျက်မှ တီထွင်ထားသော ကိရိယာများသည် အသေးစိတ်အချက်အလက်များကို တိုးမြှင့်ရန်၊ အလင်းပြန်မှုကို ဖယ်ရှားရန်၊ HDR ကို ပေါင်းစပ်ကာ ဓာတ်ပုံများတွင် အလုံးစုံအလင်းရောင်ကို ပြောင်းလဲနိုင်သည့်အပြင် ရှုထောင့်အမျိုးမျိုးမှ ဓာတ်ပုံများစွာကို အသုံးပြု၍ အရာဝတ္ထုများ၏ သုံးဖက်မြင်အနေအထားကို ပြန်လည်ဖန်တီးနိုင်စေပါသည်။ ရှုထောင့်ပြောင်းပါ၊ အာရုံကို ထိန်းညှိပြီး ရွေ့လျားနေသော ပုံများကို ဖန်တီးပါ။

source: opennet.ru