Stability AI пусна Stable Diffusion XL 1.0 – ИИ генератор на изображения, който може да работи на „по-прост“ изчислителен хардуер

Stability AI пусна нова версия с отворен код на своя генератор на изображения с изкуствен интелект – Stable Diffusion XL 1.0 (SDXL 1.0), който той определя като „най-усъвършенствания“ модел до момента.

Stability заяви, че SDXL 1.0, наличен в GitHub в допълнение към API на Stability и потребителските приложения Clipdrop и DreamStudio, осигурява „по-ярки“ и „по-точни“ цветове и по-добър контраст, сенки и осветление от предишната версия.

Джо Пена, ръководител на приложното машинно обучение в Stability AI заяви пред TechCrunch, че SDXL 1.0, който съдържа 3,5 милиарда параметри, може да създава 1-мегапикселови изображения „за секунди“ при различни съотношения на страните.

Предишното поколение Stable Diffusion XL 0.9 също можеше да създава изображения с висока резолюция, но изискваше повече изчислителна мощност за работа. Както SiliconANGLE посочи, възможността за работа на сравнително прост хардуер прави SDXL 1.0 много по-достъпен от конкурентните инструменти за генериране на изображения.

Освен това SDXL 1.0 получи подобрения в генерирането на текст. Макар, че дори много от най-добрите модели за преобразуване на текст в изображение имат проблеми с генерирането на изображения с четливи лога, да не говорим за калиграфия или шрифтове, SDXL 1.0 е способен на „усъвършенствано“ генериране на текст и четливост.

SDXL 1.0 разполага с функции inpainting (рисуване), която ви позволява да възстановявате липсващи части от изображение, outpainting (разширяване на съществуващи изображения) и image-to-image hints (подсказки за изображения), която ви позволява да добавяте множество текстови подсказки, за да създавате по-подробни версии на изображенията. Освен това моделът „разбира“ сложни инструкции от няколко части, дадени във вариант на кратки подсказки, докато предишните модели на Stable Diffusion изискваха по-дълги текстови подсказки.