Faafinta Xasilloonida ah ee 2.0 Nidaamka Isku-dhafka Sawirka ayaa la soo bandhigay

Stability AI ayaa daabacday daabacaadda labaad ee nidaamka barashada mashiinka Diffusion, kaas oo awood u leh in uu wax ka beddelo oo wax ka beddelo sawirrada ku salaysan qaab la soo jeediyay ama sharraxaadda qoraalka luqadda dabiiciga ah. Koodhka aaladaha tababarka shabakada neerfaha iyo soo saarista sawirka waxaa lagu qoray Python iyadoo la adeegsanayo qaab dhismeedka PyTorch waxaana lagu daabacay shatiga MIT. Moodooyinka horeba loo tababaray waxay ku furan yihiin shatiga Ogolaanshaha Hal-abuurka ML OpenRAIL-M, kaas oo u oggolaanaya isticmaalka ganacsiga. Intaa waxaa dheer, koronto-dhaliye sawir online ah ayaa diyaar ah.

Horumarka muhiimka ah ee daabacaadda cusub ee Stable Diffusion:

• Qaab cusub oo loogu talagalay isku-dhafka sawirka oo ku saleysan sharraxaadda qoraalka - SD2.0-v - ayaa la sameeyay, kaasoo taageera jiilka sawirrada leh xallinta 768×768. Qaabka cusub waxaa lagu tababaray iyadoo la adeegsanayo ururinta LAION-5B ee 5.85 bilyan oo muuqaal ah oo leh sharraxaad qoraal ah. Qaabku wuxuu adeegsadaa isla jaangooyooyin la mid ah qaabka Stable Diffusion 1.5, laakiin way ka duwan tahay u gudubka adeegsiga furaha furaha furan ee CLIP-ViT/H asal ahaan ka duwan, kaas oo suurtageliyay in si weyn loo hagaajiyo tayada sawirada natiijada.
• Nooca la fududeeyay ee SD2.0-saldhigga ayaa la diyaariyay, oo lagu tababaray sawirada 256×256 iyadoo la adeegsanayo qaabka saadaasha qaylada qadiimiga ah iyo taageeraya jiilka sawirka oo leh xallinta 512×512.
• Suurtagalnimada isticmaalka tignoolajiyada supersampling (Super Resolution) ayaa la bixiyaa si loo kordhiyo xallinta sawirka asalka ah iyada oo aan la dhimin tayada, iyada oo la adeegsanayo algorithms ee cabbirka meelaha iyo dib u dhiska faahfaahinta. Qaabka sawir-qaadista ee la bixiyay (SD20-upscaler) wuxuu taageeraa 2048x kor u qaadista, kaas oo dhalin kara sawirro leh xallin 2048×XNUMX ah.
• Habka SD2.0-depth2img ayaa la soo jeediyay, kaas oo tixgalinaya qoto dheer iyo habaynta meel bannaan ee walxaha. Nidaamka MiDaS waxaa loo isticmaalaa qiyaasta qoto dheer ee monocular. Qaabku wuxuu kuu ogolaanayaa inaad sawirto sawirro cusub adoo isticmaalaya sawir kale sida template, kaas oo si weyn uga duwanaan kara asalka, laakiin haynta guud ahaan halabuurka iyo qoto dheer. Tusaale ahaan, waxaad isticmaali kartaa sawirka qofka si aad u sameysid jile kale oo isku mid ah.
• Qaabka wax ka beddelka sawirada waa la cusboonaysiiyay - SD 2.0-inpainting, kaas oo kuu ogolaanaya inaad beddesho oo aad beddesho qaybo ka mid ah sawirka adigoo isticmaalaya qoraalo.
• Moodooyinka waxaa loo hagaajiyay in loogu isticmaalo nidaamyada caadiga ah ee leh hal GPU.

Source: opennet.ru