இரவு புகைப்படங்களில் பட தொகுப்பு மற்றும் சத்தம் குறைப்புக்கான இயந்திர கற்றல் அமைப்புகள்

ஸ்டேபிலிட்டி AI ஆனது நிலையான பரவல் இயந்திர கற்றல் அமைப்பிற்கான ஆயத்த மாதிரிகளை வெளியிட்டுள்ளது, இது இயற்கையான மொழியில் உரை விளக்கத்தின் அடிப்படையில் படங்களை ஒருங்கிணைத்து மாற்றியமைக்கும் திறன் கொண்டது. வணிக பயன்பாட்டிற்காக அனுமதிக்கப்படும் கிரியேட்டிவ் ML OpenRAIL-M உரிமத்தின் கீழ் மாதிரிகள் உரிமம் பெற்றுள்ளன. கணினியைப் பயிற்றுவிக்க, 4000 NVIDIA A100 Ezra-1 GPUகள் மற்றும் LAION-5B சேகரிப்பு, உரை விளக்கங்களுடன் 5.85 பில்லியன் படங்கள் உட்பட பயன்படுத்தப்பட்டது. முன்னதாக, நரம்பியல் வலையமைப்பைப் பயிற்றுவிப்பதற்கும் படங்களை உருவாக்குவதற்கும் கருவிகளுக்கான குறியீடு எம்ஐடி உரிமத்தின் கீழ் திறந்த மூலத்தில் இருந்தது.

ஒரு ஆயத்த மாதிரியின் இருப்பு மற்றும் நிலையான ஜி.பீ.யூக்கள் கொண்ட கணினியில் சோதனைகளைத் தொடங்க அனுமதிக்கும் மிதமான சிஸ்டம் தேவைகள் பல தொடர்புடைய திட்டங்களின் தோற்றத்திற்கு வழிவகுத்தன:

• உரை-தலைகீழ் (குறியீடு) - கொடுக்கப்பட்ட எழுத்து, பொருள் அல்லது பாணியுடன் படங்களை ஒருங்கிணைக்க உங்களை அனுமதிக்கும் ஒரு துணை நிரல். அசல் நிலையான பரவலில், ஒருங்கிணைக்கப்பட்ட படங்களில் உள்ள பொருள்கள் சீரற்றவை மற்றும் கட்டுப்படுத்த முடியாதவை. முன்மொழியப்பட்ட ஆட்-ஆன் உங்கள் சொந்த காட்சிப் பொருட்களைச் சேர்க்க, அவற்றை முக்கிய வார்த்தைகளுடன் பிணைத்து, அவற்றைத் தொகுப்பில் பயன்படுத்த அனுமதிக்கிறது.

  எடுத்துக்காட்டாக, வழக்கமான நிலையான பரவலில், "ஒரு படகில் பூனை" ஒரு படத்தை உருவாக்க கணினியைக் கேட்கலாம். கூடுதலாக, பூனை மற்றும் படகின் பண்புகளை நீங்கள் தெளிவுபடுத்தலாம், ஆனால் எந்த பூனை மற்றும் படகு ஒருங்கிணைக்கப்படும் என்பது கணிக்க முடியாதது. உரை-தலைகீழ் உங்கள் பூனை அல்லது படகின் படத்தில் கணினியைப் பயிற்றுவிக்கவும் மற்றும் ஒரு குறிப்பிட்ட பூனை அல்லது படகுடன் படத்தை ஒருங்கிணைக்கவும் உங்களை அனுமதிக்கிறது. இதேபோல், இது சில பொருள்களுடன் பட கூறுகளை மாற்றலாம், தொகுப்புக்கான காட்சி பாணியின் உதாரணத்தை அமைக்கலாம் மற்றும் கருத்துகளைக் குறிப்பிடலாம் (உதாரணமாக, முழு வகையான மருத்துவர்களிடமிருந்தும், நீங்கள் மிகவும் துல்லியமான மற்றும் உயர்தர தேர்வைப் பயன்படுத்தலாம். விரும்பிய பாணியில்).

  

• stable-diffusion-animation - நிலையான பரவலில் உருவாக்கப்பட்ட படங்களுக்கிடையேயான இடைக்கணிப்பின் அடிப்படையில் அனிமேஷன் செய்யப்பட்ட (நகரும்) படங்களை உருவாக்குதல்.
• stable_diffusion.openvino (குறியீடு) - நிலையான பரவலின் ஒரு போர்ட், இது CPU ஐ மட்டுமே கணக்கீடுகளுக்குப் பயன்படுத்துகிறது, இது சக்திவாய்ந்த GPUகள் இல்லாத கணினிகளில் பரிசோதனையை அனுமதிக்கிறது. OpenVINO நூலகத்தில் ஆதரிக்கப்படும் செயலி தேவை. அதிகாரப்பூர்வமாக, OpenVINO ஆனது இன்டெல் செயலிகளுக்கு AVX2, AVX-512, AVX512_BF16 மற்றும் SSE நீட்டிப்புகள் மற்றும் ராஸ்பெர்ரி பை 4 மாடல் பி, ஆப்பிள் மேக் மினி மற்றும் என்விடியா ஜெட்சன் நானோ போர்டுகளுக்கான செருகுநிரல்களை வழங்குகிறது. அதிகாரப்பூர்வமற்ற முறையில், AMD Ryzen செயலிகளில் OpenVINO ஐப் பயன்படுத்த முடியும்.
• sdamd என்பது AMD GPUகளுக்கான போர்ட் ஆகும்.
• வீடியோ தொகுப்பின் ஆரம்ப செயலாக்கம்.
• stable-diffusion-gui, stable-diffusion-ui, Artbreeder Collage, diffuse-the-rest - நிலையான பரவலைப் பயன்படுத்தி படங்களை உருவாக்குவதற்கான வரைகலை இடைமுகங்கள்.
• beta.dreamstudio.ai, ஹக்கிங் ஃபேஸ் ஸ்பேஸ்கள், hlky நிலையான பரவல் WebUI - நிலையான பரவலைப் பயன்படுத்தி பட தொகுப்புக்கான இணைய இடைமுகங்கள்.
• GIMP, Figma, Blender மற்றும் Photoshop உடன் நிலையான பரவலை ஒருங்கிணைப்பதற்கான செருகுநிரல்கள்.

கூடுதலாக, கூகுள் வெளியிட்ட RawNeRF (RAW நியூரல் ரேடியன்ஸ் ஃபீல்ட்ஸ்) இயந்திர கற்றல் அமைப்பின் குறியீட்டை நாம் கவனிக்கலாம், இது பல RAW படங்களின் தரவுகளின் அடிப்படையில், இருட்டில் மற்றும் உள்ளே எடுக்கப்பட்ட அதிக சத்தம் கொண்ட படங்களின் தரத்தை மேம்படுத்த அனுமதிக்கிறது. மோசமான விளக்கு. இரைச்சலை நீக்குவதுடன், திட்டத்தால் உருவாக்கப்பட்ட கருவிகள் விவரங்களை அதிகரிக்கவும், கண்ணை கூசும் தன்மையை அகற்றவும், HDR ஐ ஒருங்கிணைக்கவும் மற்றும் புகைப்படங்களில் ஒட்டுமொத்த விளக்குகளை மாற்றவும், பல்வேறு கோணங்களில் இருந்து பல புகைப்படங்களைப் பயன்படுத்தி பொருட்களின் முப்பரிமாண நிலையை மீண்டும் உருவாக்கவும் உதவுகிறது. பார்வையை மாற்றவும், கவனத்தை கையாளவும் மற்றும் நகரும் படங்களை உருவாக்கவும்.

ஆதாரம்: opennet.ru