የተረጋጋ ስርጭት መመሪያ

አጠቃላይ እይታ

Being open and runnable on consumer GPUs, it sparked a massive community of tools, fine-tunes, and apps.

ጥልቅ ዳይቭ

የስርጭት ሞዴሎች የጩኸት ሂደትን መቀልበስ ይማራሉ. በስልጠና ወቅት፣ እውነተኛ ምስሎች ቋሚ እስኪሆኑ ድረስ የዘፈቀደ ድምፅ ደረጃ በደረጃ ይጨምራሉ። ሞዴሉ ያንን ድምጽ ለመተንበይ እና ለመቀነስ ይማራል. ለማመንጨት ከንፁህ ጩኸት ይጀምር እና በጽሁፍ ጥያቄዎ የሚመራ ወጥነት ያለው ምስል እስኪታይ ድረስ ደጋግሞ ያወግዛል። የStable Diffusion ቁልፍ የውጤታማነት ብልሃት 'ድብቅ' ክፍል ነው፡ ባለ ሙሉ ጥራት ፒክሰሎች ላይ ከመስራት ይልቅ ምስሎችን ወደ ትንሽ ድብቅ ቦታ በተለዋዋጭ አውቶኢንኮደር በመጠቀም ጨምቆ በዝግታ ድምጹን እዚያው ያስኬዳል፣ ከዚያም ወደ ፒክስሎች ይመለሳል። ለዚህም ነው ከመረጃ ማእከል ይልቅ በተለመደው የጨዋታ ጂፒዩ ላይ ሊሰራ የሚችለው። የጽሑፍ ኢንኮደር (በመጀመሪያዎቹ ስሪቶች ውስጥ CLIP) ጥያቄዎን ወደ መመሪያ ይለውጠዋል እና U-Net ውድቅ ያደርጋል። ክፍት ክብደቶቹ ControlNetን፣ LoRA ጥሩ ዜማዎችን እና ስፍር ቁጥር የሌላቸውን የፈጠራ መሳሪያዎችን ነቅተዋል።

ቴክኒካዊ ግንዛቤ

የተረጋጋ ስርጭት ድብቅ ስርጭት ሞዴል ነው። አንድ አውቶኢንኮደር 512x512 ምስልን ወደ የታመቀ ድብቅ ፍርግርግ ያሳጥባል፣ ስሌትን በአስደናቂ ሁኔታ ይቀንሳል። ዩ-ኔት በየግዜው የሚጨመረውን ጩኸት ለመተንበይ የሰለጠነ ነው፣በማስተላለፊያ ፅሁፍ ላይ የተገጠመ። ክላሲፋየር-ነጻ መመሪያ ሁኔታዊ እና ቅድመ ሁኔታ የሌላቸው ትንበያዎችን በማቀላቀል ምስሉ ምን ያህል ጥብቅ ጥያቄውን እንደሚከተል እንዲደውሉ ያስችልዎታል። በግምገማ ጊዜ፣ ናሙና ሰጪ (እንደ ዲዲኤም ወይም ኡለር ያሉ) የተመረጠ የክህደት እርምጃዎችን ይወስዳል። ተጨማሪ እርምጃዎች በአጠቃላይ የፍጥነት ዋጋ የበለጠ ንጹህ ውጤቶች ማለት ነው።

ስልታዊ ተጽእኖ

ፍጥነት እና ልኬት

ቪዥዋል AI የመመርመሪያ፣ የማወቅ እና የመለያ ስራዎችን በሚዛን መጠን በራስ ሰር ሊያደርግ ይችላል።

ምርጫዎችን ይገንቡ

የፈጠራ ቡድኖች በጥቂት የእጅ ክለሳዎች ጽንሰ-ሀሳቦችን በፍጥነት መተየብ ይችላሉ።

ቡድን እና የስራ ፍሰት

ክዋኔዎች ከዚህ ቀደም ለማስኬድ አስቸጋሪ የነበሩትን የምስል እና የቪዲዮ ምልክቶችን መጠቀም ይችላሉ።

የተረጋጋ ስርጭት የወደፊት

ክፍት ሥነ-ምህዳሩ በፍጥነት መጨመሩን ይቀጥላል፡- አዳዲስ አርክቴክቸር (በትራንስፎርመር ላይ የተመሰረተ ስርጭትን እና ፈጣን ጥቂት ደረጃዎችን ወይም የተበታተኑ ናሙናዎችን ጨምሮ) ትውልድን ከደርዘን የሚቆጠሩ እርምጃዎችን ወደ አንድ ወይም ሁለት በመቁረጥ የእውነተኛ ጊዜ መፍጠርን ያስችላል። የበለጠ ጠንካራ የፅሁፍ አቀራረብ፣ የተሻለ ፈጣን ክትትል እና እንከን የለሽ የምስል አርትዖት እና የቪዲዮ እና 3D ቅጥያዎችን ይጠብቁ። ክፍት ክብደቶች ልዩ ዜማዎችን ማቀጣጠል ይቀጥላሉ፣ ነገር ግን በስልጠና-መረጃ ፈቃድ፣ ጥልቅ ሀሰተኛ እና የውሃ ምልክት ላይ ክርክሮችን ያጠናክራሉ፣ ስለዚህ የማወቅ እና የማረጋገጫ መሳሪያዎች ከሞዴሎቹ ጋር አብረው ያድጋሉ።

የእውነተኛ-ዓለም አተገባበር

አርቲስቶች እና የትርፍ ጊዜ ማሳለፊያዎች በአካባቢያቸው የፅንሰ-ሀሳብ ጥበብ እና ምሳሌዎችን በራሳቸው ጂፒዩ በብጁ የሎራ ዜማዎች ያመነጫሉ

ኮንትሮል ኔትን በመጠቀም ትውልድን በፖዝ አጽም ፣ ጥልቅ ካርታ ወይም የጠርዝ ንድፍ ለትክክለኛ ቅንብር ለማገድ

ፎቶግራፎችን ለማርትዕ፣ ነገሮችን ለማስወገድ ወይም ትዕይንትን ከመጀመሪያው ድንበሮች በላይ ለማራዘም መቀባት እና መቀባት

የኢንዲ ጨዋታ ስቱዲዮዎች እና ዲዛይነሮች ሸካራማነቶችን፣ የስሜት ሰሌዳዎችን እና የንብረት ልዩነቶችን በፍጥነት እና በርካሽ ያመርታሉ።

አደጋዎች እና የጥበቃ መንገዶች

የምስል መብቶች እና ፈቃድ ግልጽ ካልሆነ ህጋዊ አደጋዎች ሊሆኑ ይችላሉ።

የሞዴል አፈጻጸም በብርሃን፣ በስነ-ሕዝብ እና በአካባቢው ሊለያይ ይችላል።

የመተማመን ገደቦች ካልተቆጣጠሩ የውሸት አወንታዊ ነገሮች ላይታዩ ይችላሉ።

የትግበራ ፍኖተ ካርታ

ለትክክለኛነት፣ ለማስታወስ እና ለስህተት ወጪዎች የመቀበያ መስፈርቶችን ይግለጹ።

ከእውነተኛ የምርት ሁኔታዎች ጋር በሚዛመድ ውሂብ ይሞክሩ።

ለዝቅተኛ እምነት ወይም ከፍተኛ ተጽዕኖ ትንበያ የሰው ግምገማን ያክሉ።

ከካሜራ ወይም የውሂብ ስብስብ ለውጦች በኋላ የሞዴሉን ተንሸራታች ይከታተሉ እና እንደገና ያረጋግጡ።

ማሰስዎን ይቀጥሉ

የኮምፒውተር እይታ

ምስላዊ AIን የሚያበረታቱ መሰረታዊ ስርዓቶችን ይረዱ።

መመሪያ ያንብቡ

AI ምስል ማመንጨት

የፍጥረት የስራ ፍሰቶችን እና የሞዴል ንግድን ያስሱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Stable Diffusion quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የተረጋጋ የቪዲዮ ስርጭት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is Stable Diffusion?

የተረጋጋ ስርጭት በ 2022 በStable AI የተለቀቀ ክፍት ምንጭ ከጽሑፍ ወደ ምስል ሞዴል ሲሆን ቀስ በቀስ ከአጋጣሚ መነሻ ጫጫታ በማስወገድ ምስሎችን ይፈጥራል። በሸማች ጂፒዩዎች ላይ ክፍት እና ሊሰራ የሚችል በመሆኑ እጅግ በጣም ብዙ መሳሪያዎችን፣ ጥሩ ዜማዎችን እና መተግበሪያዎችን ፈጠረ።

በከፍተኛ ደረጃ, የስርጭት ሞዴል እንዴት ምስል ይፈጥራል?

የስርጭት ሞዴሎች የጩኸት ሂደትን መቀልበስ ይማራሉ፡ ከድምፅ ጀምሮ አንድ ወጥ የሆነ ምስል እስኪወጣ ድረስ ደጋግመው ይቃወማሉ።

Stable Diffusion በተጠቃሚ ጂፒዩ ላይ ለማሄድ በቂ ብቃት ያለው ምንድን ነው?

የተረጋጋ ስርጭት ድብቅ ስርጭት ሞዴል ነው፡ አውቶኢንኮደር ምስሎችን ስለሚጨመቅ ከበድ ያለ ማጉደል በትንሽ ድብቅ ቦታ ውስጥ ይሰራል።

የጽሑፍ መጠየቂያዎ በተፈጠረው ምስል ላይ እንዴት ተጽዕኖ ያሳድራል?

የጽሁፍ መቀየሪያ መጠየቂያውን ወደ መክተቻዎች ይቀይረዋል ይህም ዩ-ኔትን በመስቀል-ትኩረት ይለውጣል፣ ውጤቱንም ይመራል።

ከክላሲፋየር ነፃ መመሪያ ምን እንዲቆጣጠሩ ያስችልዎታል?

ክላሲፋየር-ነጻ መመሪያ ሁኔታዊ እና ቅድመ ሁኔታ የሌላቸው ትንበያዎችን ያቀላቅላል፣ ይህም ፈጣን ክትትልን ወደላይ ወይም ወደ ታች እንዲቀይሩ ያስችልዎታል።

ለምን Stable Diffusion እንደ ControlNet እና LoRA ያሉ መሳሪያዎችን ትልቅ ስነ-ምህዳር ያስነሳው?

ክብደቶች ክፈት ማህበረሰቡ በደንብ እንዲስተካከል እና ሞዴሉን እንዲያራዝም ያስችለዋል፣ እንደ ControlNet እና ቀላል ክብደት ያለው LoRA አስማሚዎችን በማምረት።