Awọn idagbasoke ti o nii ṣe pẹlu eto ikẹkọ ẹrọ Stable Diffusion, eyiti o ṣajọpọ awọn aworan ti o da lori apejuwe ọrọ ni ede adayeba, ti ṣe awari. Ise agbese na ni idagbasoke ni apapọ nipasẹ awọn oniwadi lati Stability AI ati Runway, awọn agbegbe Eleuther AI ati LAION, ati ẹgbẹ laabu CompVis (iriran kọmputa kan ati imọ-ẹrọ iwadi ẹrọ ni University of Munich). Ni awọn ofin ti awọn agbara ati ipele ti didara abajade, Stable Diffusion dabi iṣẹ akanṣe DALL-E 2, ṣugbọn ti wa ni idagbasoke bi ṣiṣi ati ni gbangba. Imuse ti Stable Diffusion ti kọ ni Python ati pinpin labẹ iwe-aṣẹ MIT.
Awọn awoṣe ti a ti ṣetan ni lọwọlọwọ wa lori ibeere lọtọ si awọn ile-ẹkọ ẹkọ ati awọn oniwadi ominira, ṣugbọn awọn olupilẹṣẹ ṣe ileri lati ṣii wọn si gbogbo eniyan lẹhin idanwo ti pari ati idasilẹ akọkọ ti ṣetan. Lati ṣe ikẹkọ eto naa, iṣupọ ti 4000 NVIDIA A100 Esra-1 GPUs ati ikojọpọ LAION-5B, pẹlu awọn aworan bilionu 5.85 pẹlu awọn apejuwe ọrọ, ni a lo. Awọn paati fun iran aworan ni a ṣe akiyesi bi iwuwo fẹẹrẹ to lati ṣiṣẹ lori awọn eto olumulo, fun apẹẹrẹ, lati ṣajọpọ awọn aworan pẹlu ipinnu 512x512, GPU kan pẹlu 10GB ti iranti fidio ninu eto naa to.
Ni afikun si sisọpọ awọn aworan ti o da lori awọn apejuwe ọrọ, a funni ni aṣayan fun iyipada awọn aworan, eyiti o le, ni lilo awọn itọsi ọrọ asọye, ṣe agbekalẹ awọn aworan lati awọn afọwọya sikematiki, ṣatunkọ ati yi awọn aworan pada, tabi mu awọn alaye ti o sọnu pada nigbati sun-un sinu. Paapaa ni idagbasoke ni Stable Diffusion fun ṣiṣatunkọ fidio ti o da lori awọn aṣẹ ọrọ ede adayeba.
orisun: opennet.ru
