>首页> IT >

与Midjourney开战!Stable Diffusion XL 0.9重磅发布,35亿+66亿双模型,AI图像生成飞跃式进步 环球观天下

时间:2023-06-24 05:58:27       来源:腾讯网

新智元报道  

编辑:编辑部

【新智元导读】虽然此前CEO曾陷入种种争议,但依然不影响Stability AI登上时代杂志。近日,该公司又发布了Stable Diffusion 的XL 0.9版本,35亿+66亿双模型,搭载最大OpenCLIP,让AI生图质量又有了新的飞跃。


(相关资料图)

Stable Diffusion又双叒升级了!

最近,Stability AI发布了最新版的Stable Diffusion XL 0.9(SDXL 0.9)。

比起之前的模型,这波更新在图像和构图细节上,都有了质的飞跃。

尤其是在参数上,这次的SDXL0.9具有35亿参数基础模型和66亿参数模型的集成管线。相比之下,Beta测试版仅用了单个31亿参数的模型。

为了生成更逼真的图像,以及更大的深度和更高的分辨率(1024x1024),SDXL 0.9使用了两个CLIP模型,包括迄今为止最大的OpenCLIP模型(OpenCLIP ViT-G/14)。

不仅如此,SDXL 0.9在消费级显卡上就能运行。只需要Win10/11或Linux操作系统、16GB内存,以及具有8GB以上显存的英伟达RTX 20系显卡即可。

SDXL 0.9和SDXL Beta的差异究竟有多大?

咱们看图说话。

实测效果

下面就来看看新版的SDXL 0.9,在图片细节上有什么不一样吧~

Prompt:外星人在拉斯维加斯漫步

SDXL Beta版

SDXL 0.9

Prompt:优胜美地国家公园的一只狼

Negative prompt:3d渲染,光滑,塑料,模糊,颗粒感,低分辨率,动漫,过度饱和

SDXL Beta版

SDXL 0.9

Prompt:手举咖啡

Negative prompt:3d渲染,光滑,塑料,模糊,颗粒状,低分辨率,动漫

SDXL Beta版

SDXL 0.9

官方表示,SDXL系列还会提供一系列超越基本文本prompt的功能。

包括图像对图像的prompt(输入一个图像以获得该图像的变化)、内画(重建图像的缺失部分)和外画(构建一个现有图像的无缝扩展)。

SDXL 0.9在两个CLIP模型上运行,包括迄今为止训练的最大的OpenCLIP模型之一(OpenCLIP ViT-G/14),这增强了0.9的处理能力和创造具有更大深度和1024x1024更高分辨率的逼真图像的能力。

SDXL团队不久将发布一个研究博客,更详细地介绍这个模型的规格和测试。

荣登Time最具影响力公司

就在最近,Stability AI被时代杂志选为100家最有影响力的公司之一。

对于Stability AI,时代杂志是这样介绍的——

如果你能用文字描述,Stability AI可以将其转化为图片。

Stable Diffusion是该公司帮助训练的免费开源文本到图像生成器,在8月份推出后,它改变了世界对于AI潜力的理解。

然而,Stability AI很快陷入了种种争议,包括如何训练这些工具,以及从互联网上获取数据的版权诉讼之中。

尽管如此,该公司表示,在推出Stable Diffusion 2.0的一个月内,App Store TOP 10应用中的4个,背后都是这个模型。

而公司CEO Emad Mostaque也被报道经常夸大公司的表现,此前他曾声称:Stability AI「真正的开源」为「突破」铺平了道路。

SDXL Beta

实际上,SDXL的Beta版本也没发布多久,可见作图这一块的版本迭代真的是日新月异。

当时,StabilityAI就表示,Stable Diffusion XL并不是最终发布版的名字,并且也并非是v3,因为SD-XL的架构和SD-v2系列的模型架构非常相似。

下面几张SD-XL官方发布的例图,可以看出图像的质量已经非常能打了。

SD-XL相比之前版本的改进如下:

使用较短的描述性prompt即可生成高质量图像

可以生成更贴合prompt的图像

图像中的人体结构更合理

与 v2.1和 v1.5版本(程度较轻)相比,SD-XL生成的图片更符合大众审美

负面提示词(negative prompt)是可选项

生成的肖像图更逼真

图像中的文本更清晰

清晰可读的文字

在v1系列和v2.1版本的Stable Diffusion模型中,并不具备在图片中生成可读文本的能力。

虽然SD-XL生成的文本信息并不总是准确,但确实得到了巨大的提升。

一个年轻的女性举着一个牌子,上面写着「Stable Diffusion」,头发高亮,坐在餐厅外面,棕色的眼睛,穿着裙子,侧灯

更好的人体结构

Stable Diffusion在生成人体解剖结构方面一直存在诸多问题,多几条腿、少个胳膊实在是太常见不过的问题。

比如说SD-v1.5生成瑜伽的图像,经常会出现扭曲的人体。

而SD-XL虽然生成的图像并不完美,不过在人体姿态方面已经有了显著的进步。

更有美感(more aesthetic)

比如同样以屋子为主题,SD-XL可以生成更对称、视觉效果更好的照片。

SD-XL在肖像照片上也有显著改进。

一个女人的照片

参考资料:

https://stability.ai/blog/sdxl-09-stable-diffusion

关键词: