Објављена је нова неуронска мрежа Стабле Диффусион. Генерише слике према опису

Програмери нове неуронске мреже Стабле Диффусион објавили су пројекат у јавном домену. Сада свако може испробати услугу за претварање текстуалних упита у слике.

Најлакши начин за тестирање стабилне дифузије је да Загрљено лице, али на сајту постоје дуги редови: један захтев се обрађује за око 5 минута. Кроз платформу дреам студио све ради много брже, али вам је потребан налог (можете да се пријавите преко Гоогле налога или Дисцорд-а).

Поред тога, у ДреамСтудио-у, сваком кориснику се даје ограничен број кредита који се могу потрошити на генерисање. Што је више слика и већа резолуција, скупља је свака итерација. Да бисте вратили претходно генерисане слике, такође морате да потрошите кредите, тако да нећете моћи да се забављате тако дуго.

Пројекат је такође објављен на ГитХуб-у. За сада је потребан рачунар са НВИДИА графичком картицом и 6,9 ГБ ВРАМ-а, у будућности се планира додавање подршке за АМД видео чипове, укључујући Аппле М1/М2.

Колико добро све функционише? Зависи од корисника. Што су упити сложенији и прецизнији, веће су шансе за сјајне резултате. На пример, ево резултата за фразу "Даенерис Таргариен у венчаници са змајем у стилу Алпхонсе Муцха":

Ово је чаробњак Иода у Циберпунк Цитију.

Ово је Хари Потер Хоррор. Плаши вас, али не на начин на који би требало.

Другим речима, не можете натерати неуронску мрежу да размишља уместо себе: да бисте добили јасан резултат, морате да размислите о томе шта желите да добијете као резултат.

Стабилна дифузија вам омогућава да прилагодите тачност подударања упита, броја корака и других параметара. Максимална могућа резолуција је 1024 × 1024 пиксела, до 9 слика може бити приказано истовремено. Неуронска мрежа не зна како да повећа резолуцију, за то ћете се морати ослонити на услуге трећих страна.

Ако испробате услугу, поделите резултате у коментарима!