SDXL ati Cascaded Itankale
SDXL jẹ awoṣe kika-si-aworan ti o ga ti iduroṣinṣin AI ti o so pọ monomono ipilẹ ti o lagbara pẹlu oluṣatunṣe, lakoko ti awọn ẹwọn kaakiri kasikedi awọn awoṣe lọpọlọpọ lati kọ awọn aworan lati kekere si ipinnu giga.
Akopọ
Together they explain how modern open-source image generators hit photorealistic quality.
Jin Dive
SDXL (Stable Diffusion XL) jẹ awoṣe itankale aijọju 3.5-bilionu-paramita ti o ṣe agbejade awọn aworan 1024x1024 ni abinibi, fo nla lori 512x512 atilẹba Itankale Iduroṣinṣin. O nlo awọn koodu koodu meji (OpenCLIP ViT-bigG ati CLIP ViT-L) fun oye kiakia ti o pọ sii, pẹlu iwọn ati imudara irugbin na ki awoṣe naa mọ ipinnu ibi-afẹde ati fireemu. Awọn ọkọ oju omi SDXL bi opo gigun ti ipele meji: awoṣe ipilẹ kan n ṣe agbejade aworan wiwaba, lẹhinna awoṣe isọdọtun iyan ṣe afikun alaye ti o dara ni awọn igbesẹ ikọsilẹ ikẹhin. Itankale Cascaded jẹ imọran ti o gbooro lẹhin eyi: dipo awoṣe kan ti o ṣe ohun gbogbo, o ṣe ẹwọn awoṣe kekere kan ti o ṣẹda aworan ti o ga-kekere pẹlu awọn awoṣe itọjade ipinfunni ti o ga julọ ti o ga, ọkọọkan ikẹkọ fun ipele rẹ. Aworan Google gbajugbaja ọna isọdi.
Imọ-imọ-ẹrọ
Mejeeji ṣiṣẹ ni ilana ikọsilẹ: bẹrẹ lati ariwo laileto ati sọtẹlẹ ni igbagbogbo ati yọkuro, ni itọsọna nipasẹ ọrọ. SDXL n ṣiṣẹ ni aaye wiwakọ fisinuirindigbindigbin nipasẹ VAE kan, nitorinaa denoising jẹ din owo ju ṣiṣẹ lori awọn piksẹli aise. Refiner jẹ awoṣe iwé lọtọ ti o mu kẹhin nikan, awọn igbesẹ ariwo kekere. Ninu kasikedi otitọ kan, awoṣe ipilẹ kan ṣe agbejade aworan kekere kan, lẹhinna awọn awoṣe itọka ipinfunni nla ni ipo ṣe agbega rẹ, ọkọọkan ni ilodisi lori iṣelọpọ ipinnu kekere, nigbagbogbo ni lilo imudara ariwo ariwo lati duro logan.
Ipa Ilana
Iyara ati iwọn
Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
Kọ awọn yiyan
Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
Ẹgbẹ ati ṣiṣan iṣẹ
Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ojo iwaju ti SDXL ati Cascaded Itankale
Aṣa naa wa si ọna diẹ, awọn igbesẹ ti o yara ati awọn ile-iṣọkan. Awọn ọna distillation bii SDXL Turbo ati Awọn awoṣe Iduroṣinṣin Latent tẹlẹ ge iran si ọkan si mẹrin awọn igbesẹ. Awọn oluyipada ti ntan kaakiri (bii ni Stable Diffusion 3 ati FLUX) n rọpo pupọ julọ ẹhin U-Net, ati opin-si-opin iran ipinnu giga n dinku igbẹkẹle lori awọn kasikedi ti o han gbangba. Reti isọdọtun ti isọdọtun ti isọdọtun, titọka ọrọ ti o dara julọ, ati iṣakojọpọ aworan ẹrọ ni akoko gidi bi ṣiṣe n tẹsiwaju ni ilọsiwaju.
Real-World imuse
Ṣiṣẹda titaja 1024x1024 ati aworan imọran taara lati awọn itọ ọrọ lai si oke ti o yatọ
Lilo opo gigun ti ipilẹ-plus-refiner SDXL lati ṣafikun awọn alaye agaran si awọn oju ati awọn awoara ni awọn ẹgan ọja
Nṣiṣẹ SDXL Turbo fun awọn awotẹlẹ aworan isunmọ ni awọn irinṣẹ apẹrẹ ibaraenisepo
Ṣiṣe kasikedi giga-ipinnu aṣa aṣa lati yi awọn aworan afọwọya kekere-resi sinu awọn apejuwe ipinnu giga
Awọn ewu & Awọn ọna iṣọ
Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Ilana Ilana imuse
Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
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 SDXL and Cascaded Diffusion quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Aṣa Itankale Olona-Concept Tuning
Awọn ibeere ti a beere nigbagbogbo
What is SDXL and Cascaded Diffusion?
SDXL jẹ awoṣe kika-si-aworan ti o ga ti iduroṣinṣin AI ti o so pọ monomono ipilẹ ti o lagbara pẹlu oluṣatunṣe, lakoko ti awọn ẹwọn kaakiri kasikedi awọn awoṣe lọpọlọpọ lati kọ awọn aworan lati kekere si ipinnu giga. Papọ wọn ṣe alaye bii awọn olupilẹṣẹ aworan ṣiṣi-orisun ode oni ṣe lu didara fọto gidi.
Ipinnu abinibi wo ni SDXL ṣe ipilẹṣẹ awọn aworan ni, ni akawe si Itankale Iduroṣinṣin atilẹba?
SDXL ni abinibi ṣe agbejade awọn aworan 1024x1024, agbegbe igba mẹrin-tobi ju atilẹba Stable Diffusion's 512x512.
Kini ipa ti awoṣe isọdọtun SDXL?
Refiner jẹ awoṣe iwé lọtọ ti a lo ni ipari opo gigun ti epo lati pọn awọn alaye lẹhin awoṣe ipilẹ ti ṣẹda aworan wiwaba.
Awọn koodu koodu meloo ni SDXL nlo?
SDXL nlo awọn koodu koodu meji, OpenCLIP ViT-bigG ati CLIP ViT-L, ni idapo fun oye kiakia.
Kini ero pataki ti itankale kasikedi?
Awọn ẹwọn itọka kaakiri jẹ olupilẹṣẹ ipilẹ kekere kan pẹlu ọkan tabi diẹ ẹ sii awọn awoṣe itọka ipinnu-ipinnu nla, ọkọọkan ni ilodisi lori abajade ipinnu kekere ti tẹlẹ.
Kini idi ti SDXL ko kọ ni aaye wiwaba dipo taara lori awọn piksẹli?
A VAE ṣe awọn aworan sinu aaye wiwaba kekere, nitorinaa ilana itankale jẹ din owo pupọ ju ṣiṣiṣẹ lori awọn piksẹli aise ti o ni ipinnu ni kikun.