LegközelebbKövetkező útmutató
Képből 3D-be modellgenerálás
Vizuális AI
Vizuális MI ÚTMUTATÓ
Az AI-képgenerálás magja az a szám, amely elindítja a véletlenszám-generátort, amely a kezdeti zajt állítja elő.
Hallgassa meg ezt az útmutatótAI-narrált · ~3 min
Ugyanazzal a maggal, prompttal, modellel és beállításokkal a diffúziós modell általában ugyanazt a képet hozza létre. A magok lehetővé teszik az eredmények reprodukálását, az ellenőrzött variációk készítését és a beállítások tisztességes összehasonlítását, bár a pontos egyezések megszakadhatnak a különböző szoftverek, hardverek vagy modellek között.
A diffúziós modellek a tiszta véletlenszerű zajból indulnak ki, és lépésről lépésre finomítják azt képpé. Ez a zaj nem igazán véletlen. Egy pszeudovéletlen számgenerátorból származik, amely ugyanazt a számsorozatot állítja elő, amikor ugyanabból a magból indul ki. Az 512 x 512 pixeles Stable Diffusion 1.5 esetében a mag kitölti a 4 csatornából álló látens tenzort 64 x 64 értékkel, és minden, amit a modell rajzol, ebből a mintából nő ki. A nagy formák, például ahol egy figura áll, vagy hol esik a horizont, többnyire már a korai lépésekben eldőlnek, így a mag erősen befolyásolja a kompozíciót. A kép reprodukálása többet igényel, mint a mag. Ugyanolyan modellsúlyokra, promptra, negatív promptra, felbontásra, mintavevőre, lépésszámlálóra és útmutatási skálára, valamint minden extrára, például LoRA-kra vagy ControlNet bemenetekre is szüksége van. A felbontás megváltoztatása megváltoztatja a zajtenzor alakját, így ugyanaz a mag ezután nem kapcsolódó képet ad. Sok eszköz a köteg minden képének megadja a következő magszámot, így a köteg negyedik képe gyakran a kezdő mag plusz három. A pontos reprodukció még mindig meghiúsulhat. A CPU és GPU véletlengenerátorai olyan könyvtárakban, mint a PyTorch, különböző szekvenciákat állítanak elő ugyanabból a magból. Egyes GPU-műveletek nem determinisztikusak, félpontos matematikai körök eltérőek a különböző hardvereken, és a memóriatakarékos figyelemkód megváltoztathatja az apró értékeket, amelyek sok lépéssel nőnek. Az ősi mintavevők minden lépésnél friss zajt adnak, ami nagyobb esélyt ad az eredmények eltávolodására. Egy másik modell vagy ugyanannak a modellnek egy új változata az azonos zajt teljesen más képpé alakítja. Nincsenek általánosan „jó magok”. Annak a vetőmagnak, amely jól működik egy promptnál és modellnél, máshol nincs különleges minőség. A variációs funkciók, amelyek egy második „változatmagba” keverednek, lehetővé teszik a közeli képek felfedezését, miközben megtartja az általános elrendezést.
Egy tervező szereti a 123456-os maggal generált kompozíciót, ezért ezt a magot rögzítve tartja, és a „piros kabátot” „kék kabátra” cseréli, hogy egy szorosan kapcsolódó jelenetet kapjon egy részlet megváltoztatásával.
Egy csapat, aki két mintavevőt hasonlít össze, ugyanazt az utasítást adja le ugyanazon az öt magon mindegyiknél, tehát az eltérések inkább a mintavevőből, mint a szerencséből származnak.
A Midjourney felhasználó hozzáadja a --seed paramétert, hogy ugyanabból a kiindulási pontból újra lefusson egy prompt, majd megállapítja, hogy az eredmények továbbra is eltérnek az egyes modellverzióktól.
Egy hobbi megosztja a kezdőmagot és a teljes beállításokat egy fórumon, de egy másik felhasználó, aki más GPU-val és szoftverrel rendelkezik, hasonló, nem azonos képet kap.
A Seeds továbbra is alapvető vezérlőelem marad a helyi és nyílt modelleknél, ahol a felhasználók minden paramétert láthatnak. A tárolt termékek eltérőek: egyesek felfedik a magokat, míg mások elrejtik őket, vagy olyan szerveroldali változtatásokat alkalmaznak, amelyek lehetetlenné teszik a pontos reprodukálást. Az autoregresszív és hibrid képmodellek a véletlenszerűséget is használják a mintavétel során, így a mag gondolata ott is érvényesül, ahol a mechanika eltérő. A teljes generációs receptek rögzítésére szolgáló jobb eszközök, beleértve a könyvtári verziókat és a hardvert, megkönnyítenék az eredmények megosztását és ellenőrzését. A magok nem tudják garantálni az azonos kimenetet a modellváltozatok között, mivel a súlyok bármilyen változtatása megváltoztatja azt, ahogy a zajból kép lesz.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Az AI-képgenerálás magja az a szám, amely elindítja a véletlenszám-generátort, amely a kezdeti zajt állítja elő. Ugyanazzal a maggal, prompttal, modellel és beállításokkal a diffúziós modell általában ugyanazt a képet hozza létre. A magok lehetővé teszik az eredmények reprodukálását, az ellenőrzött variációk készítését és a beállítások tisztességes összehasonlítását, bár a pontos egyezések megszakadhatnak a különböző szoftverek, hardverek vagy modellek között.
A mag inicializálja a véletlenszám-generátort, amely a kezdeti zajt állítja elő, és a modell finomítja ezt a zajt a képbe.
Más felbontáshoz más méretű látensre van szükség, így a generált zaj másképp rakódik le, és az összetétel teljesen megváltozik.
A nagy formák és elrendezés a zajtalanítás korai szakaszában rendeződik, és közvetlenül a mag által keltett induló zajból nőnek ki.
Az olyan könyvtárak, mint a PyTorch, külön véletlengenerátor-megvalósítást használnak minden eszközön, így ugyanaz a mag különböző számokat ad.
Sok eszköz egymás után számozza a kötegelt magokat, így a képek 500-at, 501-et, 502-t és 503-at használnak.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Képből 3D-be modellgenerálás
Vizuális AI