HƯỚNG DẪN AI trực quan

Hạt giống và khả năng tái tạo trong tạo hình ảnh AI

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

Trên trang nàyđọc 4 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của hạt giống và khả năng tái tạo trong tạo hình ảnh AI
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

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.

Lặn sâu

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.

Triển khai trong thế giới thực

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.

Tương lai của hạt giống và khả năng tái tạo trong tạo hình ảnh AI

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.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
  • Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
  • Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.

coi chừng

  • Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
  • Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
  • Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.

Các bước tiếp theo

  1. Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
  2. Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
  3. Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
  4. Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

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

Take the Seeds and Reproducibility in AI Image Generation quiz

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.

Bắt đầu bài kiểm tra

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

Câu hỏi thường gặp

Hạt giống và khả năng tái tạo trong tạo hình ảnh AI là gì?

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 trực tiếp điều khiển cái gì trong bộ tạo hình ảnh khuếch tán?

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.

Tại sao giữ nguyên nhưng thay đổi độ phân giải lại tạo ra hình ảnh không liên quan?

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.

Khía cạnh nào của hình ảnh mà hạt giống ảnh hưởng mạnh mẽ vì nó được quyết định ở những bước đầu?

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.

Tại sao cùng một hạt giống có thể tạo ra tiếng ồn khác nhau trên CPU và GPU?

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.

Trong một loạt bốn hình ảnh bắt đầu từ hạt giống 500, nhiều công cụ gán hạt giống nào cho hình ảnh thứ tư?

Nhiều công cụ đánh số hạt theo lô liên tiếp nên hình ảnh sử dụng 500, 501, 502 và 503.