Et nytt nevralt nettverk for stabil diffusjon har blitt utgitt. Den genererer bilder i henhold til beskrivelsen

Utviklerne av det nye nevrale nettverket Stable Diffusion har publisert prosjektet i det offentlige domene. Nå kan hvem som helst prøve tjenesten for å konvertere tekstforespørsler til bilder.

Den enkleste måten å teste stabil diffusjon på er å Klemende ansikt, men det er lange køer på siden: én forespørsel behandles på omtrent 5 minutter. Gjennom plattformen drømmestudio alt fungerer mye raskere, men du trenger en konto (du kan logge på via Google-kontoen din eller Discord).

I tillegg, i DreamStudio, får hver bruker et begrenset antall studiepoeng som kan brukes på generering. Jo flere bilder og jo høyere oppløsning, jo dyrere er hver iterasjon. For å gjenopprette tidligere genererte bilder, må du også bruke kreditter, slik at du ikke kan ha det gøy så lenge.

Prosjektet ble også lagt ut på GitHub. Foreløpig krever det en datamaskin med et NVIDIA-grafikkort og 6,9 GB VRAM, i fremtiden er det planlagt å legge til støtte for AMD-videobrikker, inkludert Apple M1 / ​​​​M2.

Hvor godt fungerer alt? Avhenger av brukeren. Jo mer komplekse og presise spørringene er, jo større sjanse for kule resultater. For eksempel, her er resultatene for uttrykket "Daenerys Targaryen i en brudekjole med en drage i stil med Alphonse Mucha":

Dette er Wizard Yoda i Cyberpunk City.

Dette er Harry Potter Horror. Det skremmer deg, men ikke på den måten det burde.

Med andre ord, du kan ikke tvinge et nevralt nettverk til å tenke i stedet for deg selv: for et klart resultat, må du tenke på hva du ønsker å få som utgang.

Stabil diffusjon lar deg tilpasse nøyaktigheten for å matche spørringen, antall trinn og andre parametere. Maksimal mulig oppløsning er 1024 × 1024 piksler, opptil 9 bilder kan vises samtidig. Det nevrale nettverket vet ikke hvordan det skal øke oppløsningen, for dette må du stole på tredjepartstjenester.

Hvis du prøver tjenesten, del resultatene i kommentarene!