Stable Diffusion 团队放大招!新绘画模型直出 AI 海报,实现像素级图像生成 对标苹果!微软自研Arm芯片在路上了Intel处理器将发生重大转折!酷睿品牌确认调整:i3/i5/i7或消失 Ultra来了加快IPv4退网:我国IPv6从能用到好用了唏嘘!网友晒GTX970到4070Ti价格变化:10年间NV涨价幅度不含糊苹果版“余额宝”开局迅猛!Apple Card四天吸金69亿元AI组建社交鬼城 所有人类禁止入内:上万AI自主聊天!科技巨头官宣:“优化”7800个岗位,暂停招聘“AI可胜任的职位”马斯克高调失败,员工鼓掌欢呼AI将把汽车设计推向两个极端

SD指南2年前 (2023)发布 一起用AI
681 0 0

开源 AI 绘画扛把子,Stable Diffusion 背后公司StabilityAI再放大招!

全新开源模型DeepFloyd IF,一下获星 2 千 + 并登上 GitHub 热门榜。

DeepFloyd IF 不光图像质量是照片级的,还解决了文生图的两大难题:

准确绘制文字。(霓虹灯招牌上写着 xxx)

以及准确理解空间关系。(一只猫照镜子看见狮子的倒影)网友表示,这可是个大事,之前想让 Midjourney v5 在霓虹灯招牌上写个字 AI 都是瞎划拉两笔,对于镜子理解的也不对。使用 DeepFloyd IF,可以把指定文字巧妙放置在画面中任何地方。

霓虹灯招牌、街头涂鸦、服饰、手绘插画,文字都会以合适的字体、风格、排版出现在合理的地方。

这意味着,AI 直出商品渲染图、海报等实用工作流程又打通一环。

还在视频特效上开辟了新方向。

目前 DeepFloyd IF 以非商用许可开源,不过团队解释这是暂时的,获得足够的用户反馈后将转向更宽松的协议。有需求的小伙伴可以抓紧反馈起来了。

像素级图像生成

DeepFloyd IF 仍然基于扩散模型,但与之前的 Stable Diffusion 相比有两大不同。

负责理解文字的部分从 OpenAI 的 CLIP 换成了谷歌T5-XXL,结合超分辨率模块中额外的注意力层,获得更准确的文本理解。

负责生成图像的部分从潜扩散模型换成了像素级扩散模型

也就是扩散过程不再作用于表示图像编码的潜空间,而是直接作用于像素。

官方还提供了一组 DeepFloyd IF 与其他 AI 绘画模型的直观对比。可以看出,使用 T5 做文本理解的谷歌 Parti英伟达 eDiff-1也都可以准确绘制文字,AI 不会写字这事就是 CLIP 的锅。

不过英伟达 eDiff-1 不开源,谷歌的几个模型更是连个 Demo 都不给,DeepFloyd IF 就成了更实际的选择。

具体生成图像上 DeepFloyd IF 与之前模型一致,语言模型理解文本后先生成 64×64 分辨率的小图,再经过不同层次的扩散模型和超分辨率模型放大。

在这种架构上,通过把指定图像缩小回 64×64 再使用新的提示词重新执行扩散,也实现以图生图并调整风格、内容和细节。并且不需要对模型做微调就可直接实现。另外,DeepFloyd IF 的优势还在于,IF-4.3B 基础模型是目前扩散模型中U-Net 部分有效参数是最多的

在实验中,IF-4.3B 取得了最好的 FID 分数,并达到 SOTA(FID 越低代表图像质量越高、多样性越好)。

谁是 DeepFloyd

DeepFloyd AI Research 是 StabilityAI 旗下的独立研发团队,深受摇滚乐队平克弗洛伊德影响,自称为一只 ” 研发乐队 “。

主要成员只有 4 人,从姓氏来看均为东欧背景。这次除了开源代码外,团队在 HuggingFace 上还提供了 DeepFloyd IF 模型的在线试玩。

我们也试了试,很可惜的是目前对中文还不太支持。

原因可能是其训练数据集 LAION-A 里面中文内容不多,不过既然开源了,相信在中文数据集上训练好的变体也不会太晚出现。One More Thing

DeepFloyd IF 并不是 Stability AI 昨晚在开源上的唯一动作

语言模型方面,他们也推出了首个开源并引入 RLHF 技术的聊天机器人 StableVicuna,基于小羊驼 Vicuna-13B 模型实现。

完整的桌面和移动界面也即将发布。Deepfloyd IF 在线试玩:

https://huggingface.co/spaces/DeepFloyd/IF

代码:

https://github.com/deep-floyd/IF

StableVicuna 在线试玩:

https://huggingface.co/spaces/CarperAI/StableVicuna

参考链接:

[ 1 ] https://deepfloyd.ai/deepfloyd-if

[ 2 ] https://stability.ai/blog/deepfloyd-if-text-to-image-model

[ 3 ] https://stability.ai/blog/stablevicuna-open-source-rlhf-chatbot

[ 4 ] http://stable-diffusion-art.com/how-stable-diffusion-work/

© 版权声明

相关文章