דיוועלאַפּמאַנץ שייַכות צו די סטאַבלע דיפפוסיאָן מאַשין לערנען סיסטעם, וואָס סינטאַסייזיז בילדער באזירט אויף אַ טעקסט באַשרייַבונג אין נאַטירלעך שפּראַך, זענען דיסקאַווערד. די פּרויעקט איז דעוועלאָפּעד צוזאַמען דורך ריסערטשערז פון סטאַביליטי אַי און רונווייַ, די Eleuther AI און LAION קהילות, און די CompVis לאַב גרופּע (אַ קאָמפּיוטער זעאונג און מאַשין לערנען פאָרשונג לאַבאָראַטאָריע אין דעם אוניווערסיטעט פון מוניטש). אין טערמינען פון קייפּאַבילאַטיז און קוואַליטעט פון דער רעזולטאַט, סטאַביל דיפפוסיאָן ריזעמבאַלז די DALL-E 2 פּרויעקט, אָבער איז דעוועלאָפּעד ווי אָפן און עפנטלעך בנימצא. די ימפּלאַמענטיישאַן פון סטאַביל דיפפוסיאָן איז געשריבן אין פּיטהאָן און פונאנדערגעטיילט אונטער די MIT דערלויבעניש.
גרייט-געמאכט מאָדעלס זענען דערווייַל בנימצא אויף באַזונדער בעטן צו בילדונגקרייז אינסטיטוציעס און פרייַ ריסערטשערז, אָבער די דעוועלאָפּערס צוזאָג צו עפענען זיי צו אַלעמען נאָך טעסטינג איז געענדיקט און דער ערשטער מעלדונג איז גרייט. צו באַן דעם סיסטעם, אַ קנויל פון 4000 NVIDIA A100 Ezra-1 גפּוס און אַ LAION-5B זאַמלונג, אַרייַנגערעכנט 5.85 ביליאָן בילדער מיט טעקסט דיסקריפּשאַנז, זענען געניצט. די קאַמפּאָונאַנץ פֿאַר בילד דור זענען באמערקט ווי לייטווייט גענוג צו אַרבעטן אויף באַניצער סיסטעמען; פֿאַר בייַשפּיל, צו סינטאַסייז בילדער מיט אַ האַכלאָטע פון 512 קס 512, אַ גפּו מיט 10 גב פון ווידעא זכּרון אין די סיסטעם איז גענוג.
אין אַדישאַן צו סינטאַסייז בילדער באזירט אויף טעקסט דיסקריפּשאַנז, אַן אָפּציע איז געפֿינט צו מאָדיפיצירן בילדער, וואָס קענען, ניצן קלעראַפייינג טעקסט פּראַמפּס, דזשענערייט בילדער פֿון סכעמאַטיש סקעטשאַז, רעדאַגירן און טוישן בילדער, אָדער ומקערן פאַרפאַלן דעטאַילס ווען זומינג אין. אויך אין אַנטוויקלונג איז סטאַביל דיפפוסיאָן פֿאַר ווידעא עדיטינג באזירט אויף נאַטירלעך שפּראַך טעקסט קאַמאַנדז.
מקור: opennet.ru
