ثبات AI د سټیبل ډیفیوژن ماشین زده کړې سیسټم دوهم نسخه خپره کړې ، کوم چې د وړاندیز شوي نمونې یا طبیعي ژبې متن توضیحاتو پراساس د عکسونو ترکیب او ترمیم کولو وړ دی. د عصبي شبکې روزنې او عکس تولید لپاره د وسیلو کوډ د PyTorch چوکاټ په کارولو سره په Python کې لیکل شوی او د MIT جواز لاندې خپور شوی. دمخه روزل شوي ماډلونه د تخلیقي ML OpenRAIL-M اجازه لیک الندې خلاص دي، کوم چې سوداګریزې کارونې ته اجازه ورکوي. سربیره پردې ، د ډیمو آنلاین عکس جنریټر شتون لري.
د مستحکم خپریدو نوې نسخه کې کلیدي پرمختګونه:
- د متن توضیحاتو پراساس د عکس ترکیب لپاره یو نوی ماډل - SD2.0-v - رامینځته شوی ، کوم چې د 768 × 768 ریزولوشن سره د عکسونو نسل ملاتړ کوي. نوی ماډل د متن توضیحاتو سره د 5 ملیارد عکسونو LAION-5.85B ټولګه په کارولو سره روزل شوی. ماډل د سټیبل ډیفیوژن 1.5 ماډل په څیر د پیرامیټونو ورته سیټ کاروي ، مګر د بنسټیز ډول مختلف OpenCLIP-ViT/H انکوډر کارولو لپاره د لیږد سره توپیر لري ، کوم چې دا ممکنه کړې چې د پایلو عکسونو کیفیت د پام وړ ښه کړي.
- د SD2.0-base یوه ساده نسخه چمتو شوې، په 256 × 256 انځورونو کې روزل شوي د کلاسیک شور وړاندوینې ماډل په کارولو سره او د 512 × 512 ریزولوشن سره د عکس تولید ملاتړ کوي.
- د سوپر سیمپلینګ (سوپر ریزولوشن) ټیکنالوژۍ کارولو امکان د کیفیت کمولو پرته د اصلي عکس ریزولوشن زیاتولو لپاره چمتو شوی ، د ځایی پیمانه کولو او توضیحاتو بیارغونې لپاره د الګوریتمونو په کارولو سره. چمتو شوی د عکس پروسس کولو ماډل (SD20-upscaler) د 2048x لوړولو ملاتړ کوي ، کوم چې کولی شي د 2048 × XNUMX ریزولوشن سره عکسونه رامینځته کړي.
- د SD2.0-depth2img ماډل وړاندیز شوی، کوم چې د شیانو ژوروالی او ځایي ترتیب په پام کې نیسي. د MiDaS سیسټم د مونوکولر ژورې اندازې لپاره کارول کیږي. موډل تاسو ته اجازه درکوي چې نوي عکسونه د یو بل عکس په کارولو سره د ټیمپلیټ په توګه ترکیب کړئ، کوم چې کیدای شي په بنسټیز ډول د اصلي څخه توپیر ولري، مګر ټولیز جوړښت او ژوروالی وساتي. د مثال په توګه ، تاسو کولی شئ په عکس کې د یو شخص پوز وکاروئ ترڅو په ورته پوز کې بل کرکټر جوړ کړئ.
- د عکسونو بدلولو ماډل تازه شوی - SD 2.0 - نقاشي ، کوم چې تاسو ته اجازه درکوي د متن اشارو په کارولو سره د عکس برخې بدل او بدل کړئ.
- ماډلونه د یو واحد GPU سره په دودیز سیسټمونو کې د کارولو لپاره غوره شوي.
سرچینه: opennet.ru