Stable Diffusion 团队放大招!新绘画模型直出 AI 海报,像素级生成

来源:量子位

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

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

DeepFloydIF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。

Bitstamp创始人指控Bitstamp所有者迫使其低价出售剩余股份:8月23日消息,Bitstamp创始人 Nejc Kodri? 指控Bitstamp所有者NXMH 迫使其以低于市场价的价格出售剩余股份。这起诉讼于8月12日在英国高等法院提起。该诉讼涉及BitSTAMP7月21日行使的看涨期权,该期权将导致该公司以1346万美元收购Kodri?剩余的Bitstamp股份,他声称这一价格“远低于这些股票的现值”。(theblock)[2021/8/23 22:32:14]

以及准确理解空间关系。

网友表示,这可是个大事,之前想让Midjourneyv5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。

Gate.io 将于明日18:00开启Startup首发项目LOCG:据官方公告,Gate.io将于5月1日18:00至5月2日上午10:00 开启Startup首发 DAO SHO 项目 Legends of Crypto (LOCG)认购通道,16小时内有效下单同等对待。用户需要同意 DAO 锁仓 15 天。用户下单后到结束认购后2小时内,请务必保证现货交易账户中有不低于认购金额的足够金额,金额不足将自动排除在有效订单之外。

请务必注意:用户预计于5月3日前会获得代币。[2021/4/30 21:14:09]

使用DeepFloydIF,可以把指定文字巧妙放置在画面中任何地方。

Gate.io将于4月13日开启Startup项目RAZE:据官方公告,Gate.io将于4月13日12:00至4月13日18:00上线Startup项目Raze Network(RAZE)并开启认购通道,6小时内有效下单同等对待。用户参与认购时需要达到VIP1和以上级别。用户下单后到结束认购后2小时内,请务必保证现货交易账户中有不低于认购金额的足够金额,金额不足将自动排除在有效订单之外。

请务必注意,本次RAZE认购额度10万美金为Gate.io Labs参与Raze Network私募轮总额度,现提供给Gate.io社区用户参与Raze Network早期投资。[2021/4/8 19:59:01]

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。

OSF将提供5000美元资助Stacks区块链生态系统建设:Stacks开放互联网基金会Stacks Open Internet Foundation(OSF)将提供5000美元赠款来建立Stacks区块链生态系统。据悉,该基金会是支持Blockstack的非营利组织。(Decrypt)[2020/9/4]

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DeepFloydIF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。

动态 | 1000枚BTC转入Bitstamp交易所 价值724.45万美元:Whale Alert数据监测,北京时间11月27日21:12, 1000枚BTC从Bitmex交易所转入Bitstamp交易所,按当前价格计算,价值约724.45万美元,交易哈希为:eeac02a2cd790cbfd67c719744db6fc8449b871a405ee3c840d7f1395b04a535。[2019/11/27]

有需求的小伙伴可以抓紧反馈起来了。

像素级图像生成

DeepFloydIF仍然基于扩散模型,但与之前的StableDiffusion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DeepFloydIF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和英伟达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,DeepFloydIF就成了更实际的选择。

具体生成图像上DeepFloydIF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,DeepFloydIF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。

谁是DeepFloyd

DeepFloydAIResearch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DeepFloydIF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。

OneMoreThing

DeepFloydIF并不是StabilityAI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。

目前代码和模型权重已开放下载。

完整的桌面和移动界面也即将发布。

DeepfloydIF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

权重下载:

https://huggingface.co/CarperAI/stable-vicuna-13b-delta

参考链接:

https://deepfloyd.ai/deepfloyd-if

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

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

https://stable-diffusion-art.com/how-stable-diffusion-work/

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

银河链

[0:15ms0-1:784ms