Tiếp theoHướng dẫn tiếp theo
Tạo mô hình từ hình ảnh sang 3D
AI trực quan
HƯỚNG DẪN AI trực quan
Hạt giống trong quá trình tạo hình ảnh AI là số khởi động trình tạo số ngẫu nhiên tạo ra nhiễu ban đầu.
Nghe hướng dẫn nàyAI thuật lại · ~3 min
Với cùng một hạt giống, lời nhắc, mô hình và cài đặt, mô hình khuếch tán thường sẽ tạo lại cùng một hình ảnh. Hạt giống cho phép bạn tái tạo kết quả, tạo các biến thể được kiểm soát và so sánh các cài đặt một cách công bằng, mặc dù kết quả khớp chính xác có thể xảy ra trên các phần mềm, phần cứng hoặc kiểu máy khác nhau.
Các mô hình khuếch tán bắt đầu từ nhiễu ngẫu nhiên thuần túy và tinh chỉnh nó từng bước thành hình ảnh. Tiếng ồn đó không thực sự ngẫu nhiên. Nó đến từ một trình tạo số giả ngẫu nhiên, tạo ra cùng một chuỗi số bất cứ khi nào nó bắt đầu từ cùng một hạt giống. Đối với Stable Diffusion 1.5 ở độ phân giải 512 x 512 pixel, hạt giống sẽ lấp đầy một tensor tiềm ẩn gồm 4 kênh với 64 x 64 giá trị và mọi thứ mà mô hình vẽ ra sẽ phát triển từ mẫu đó. Các hình dạng lớn, chẳng hạn như vị trí của một hình vẽ hoặc vị trí của đường chân trời rơi xuống, hầu hết được quyết định ở những bước đầu tiên, do đó hạt giống ảnh hưởng mạnh mẽ đến bố cục. Việc tái tạo một hình ảnh cần nhiều thứ hơn là hạt giống. Bạn cũng cần có cùng trọng lượng mô hình, dấu nhắc, dấu nhắc âm, độ phân giải, bộ lấy mẫu, số bước và thang đo hướng dẫn, cùng với bất kỳ tính năng bổ sung nào như đầu vào LoRA hoặc ControlNet. Việc thay đổi độ phân giải sẽ thay đổi hình dạng của tenxơ nhiễu, do đó, cùng một hạt giống sẽ cho một hình ảnh không liên quan. Nhiều công cụ cung cấp cho mỗi hình ảnh trong một lô số hạt giống tiếp theo, vì vậy hình ảnh thứ tư trong một lô thường là hạt giống bắt đầu cộng với ba. Tái tạo chính xác vẫn có thể thất bại. Trình tạo ngẫu nhiên CPU và GPU trong các thư viện như PyTorch tạo ra các chuỗi khác nhau từ cùng một hạt giống. Một số hoạt động của GPU là các phép toán không xác định, có độ chính xác nửa vời khác nhau trên các phần cứng khác nhau và mã chú ý tiết kiệm bộ nhớ có thể thay đổi các giá trị nhỏ tăng dần qua nhiều bước. Bộ lấy mẫu cũ thêm tiếng ồn mới ở mỗi bước, điều này tạo ra nhiều cơ hội cho kết quả bị lệch lạc. Một mẫu khác hoặc phiên bản mới của cùng một mẫu sẽ biến tiếng ồn giống hệt thành một bức tranh hoàn toàn khác. Không có 'hạt giống tốt' phổ biến. Một hạt giống hoạt động tốt cho một lời nhắc và mô hình sẽ không có chất lượng đặc biệt ở bất kỳ nơi nào khác. Các tính năng biến thể, được kết hợp trong 'hạt giống biến thể' thứ hai, cho phép bạn khám phá các hình ảnh lân cận trong khi vẫn giữ bố cục tổng thể.
Một nhà thiết kế thích bố cục được tạo bằng hạt giống 123456, vì vậy cô ấy giữ cố định hạt giống đó và thay đổi 'áo khoác đỏ' thành 'áo khoác xanh' để có được cảnh có liên quan chặt chẽ với một chi tiết được thay đổi.
Một nhóm so sánh hai bộ lấy mẫu đưa ra cùng một lời nhắc trên cùng năm hạt giống với mỗi hạt giống, do đó, bất kỳ sự khác biệt nào đều đến từ bộ lấy mẫu chứ không phải do may mắn.
Người dùng Midjourney thêm tham số --seed để chạy lại lời nhắc từ cùng một điểm bắt đầu, sau đó nhận thấy kết quả vẫn khác nhau giữa các phiên bản mô hình.
Một người có sở thích chia sẻ cài đặt gốc và đầy đủ trên một diễn đàn, nhưng một người dùng khác có GPU và bản dựng phần mềm khác sẽ nhận được hình ảnh tương tự, không giống hệt nhau.
Hạt giống sẽ vẫn là điều khiển cơ bản cho các mô hình cục bộ và mở, nơi người dùng có thể xem mọi tham số. Các sản phẩm được lưu trữ khác nhau: một số hiển thị hạt giống, trong khi một số khác ẩn chúng hoặc áp dụng các thay đổi phía máy chủ khiến không thể tái tạo chính xác. Các mô hình hình ảnh tự hồi quy và hình ảnh lai cũng sử dụng tính ngẫu nhiên khi lấy mẫu, do đó, ý tưởng về hạt giống vẫn được áp dụng ngay cả khi cơ chế khác nhau. Các công cụ tốt hơn để ghi lại các công thức nấu ăn hoàn chỉnh, bao gồm các phiên bản thư viện và phần cứng, sẽ giúp chia sẻ và kiểm tra kết quả dễ dàng hơn. Điều mà hạt giống không thể làm là đảm bảo đầu ra giống hệt nhau giữa các phiên bản mô hình, bởi vì bất kỳ thay đổi nào đối với trọng số sẽ thay đổi cách nhiễu trở thành hình ảnh.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Hạt giống trong quá trình tạo hình ảnh AI là số khởi động trình tạo số ngẫu nhiên tạo ra nhiễu ban đầu. Với cùng một hạt giống, lời nhắc, mô hình và cài đặt, mô hình khuếch tán thường sẽ tạo lại cùng một hình ảnh. Hạt giống cho phép bạn tái tạo kết quả, tạo các biến thể được kiểm soát và so sánh các cài đặt một cách công bằng, mặc dù kết quả khớp chính xác có thể xảy ra trên các phần mềm, phần cứng hoặc kiểu máy khác nhau.
Hạt giống khởi tạo bộ tạo số ngẫu nhiên tạo ra nhiễu ban đầu và mô hình sẽ tinh chỉnh nhiễu đó thành hình ảnh.
Độ phân giải khác cần độ trễ có kích thước khác nhau, do đó nhiễu được tạo ra sẽ được bố trí khác nhau và bố cục thay đổi hoàn toàn.
Các hình dạng và bố cục lớn được giải quyết sớm trong quá trình khử nhiễu và chúng phát triển trực tiếp từ tiếng ồn ban đầu mà hạt giống tạo ra.
Các thư viện như PyTorch sử dụng triển khai trình tạo ngẫu nhiên riêng biệt trên mỗi thiết bị, do đó, cùng một hạt giống sẽ mang lại các số khác nhau.
Nhiều công cụ đánh số hạt theo lô liên tiếp nên hình ảnh sử dụng 500, 501, 502 và 503.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Tạo mô hình từ hình ảnh sang 3D
AI trực quan