当前所在位置:首页 > 杠杆配资网

史上最强的图像生成器来了,这次不仅更逼真,甚至还会写字

5452

2024-05-15 【 字体:

那个和 Midjourney 打得难舍难分,引发了一波买显卡 “ 炼丹 ” “ 炼妹子 ” 风潮的 Stable Diffusion ,又推出船新版本了。

就在昨天晚上, Stability AI 在官网来了一波更新,预告了一波 Stable Diffusion 3 。

根据介绍,新版本在多主题提示、图片质量还有文字渲染能力上都进行了次大升级,模型参数量在 800M-8B 之间,并且延续了他们家一如既往开源的优秀传统。

更重要的是,它和 Sora 一样当起了维新派,摒弃了业内常用的 U-NET 架构,加入 Transformer 和 Diffusion 结合的大家族。

而具体的原理和进步啥的,看不懂没关系,咱们过会儿再聊。

直接先来一波全新的高清无码大图,让大伙们见识下 Stable Diffusion 3 的斤两。

其中文字渲染能力,是这次 Stable Diffusion 3 比较突出的一个亮点。

因为不咋识字儿、不怎么会写字儿,可以说是目前文生图、文生视频的通病了。

就拿世超用 DALL·E 3 生成的 “ Chaping 青花瓷 ” 为例,上面汉字不明所以。。。最重要的 " Chaping " 还拼写错了。。。

基本上可以说自 AI 画图不会画手之后,把文本渲染成图像里准确的文字,也是个难题。

而新版本的 Stable Diffusion ,文化水平就明显高了不少。

根据官网给出的案例,给它提示词是 “ 一辆跑车的夜间照片,侧面写着 ' SD3 ' ,汽车在赛道上高速行驶,巨大的路标上写着 'Faster' 的文字 ” 。

生成的图片不但符合描述,文字的位置也没毛病,字体也很清晰。

但当我们用同样的提示词在 DALL·E 3 生成的时候,文字渲染效果就有些一言难尽了。

Faster 倒是没错,但侧面的 SD3 没有一张图是准确的。

还有这张, Stable Diffusion 3 生成的是这样的。

而 DALL ·E 3 连 incredible 都没拼对。

只不过,现在目前的文字渲染暂时只支持英文,中文还得等上那么一段时间。

再来看这次 Stable Diffusion 3 的另一大更新——多主题提示,大伙儿可以把这个理解成, AI 在生成图片的过程中漏没漏提示词。

举个例子,这张图的提示词里,大致包括了宇航员、穿着芭蕾舞短裙撑着粉色雨伞的猪、戴着礼帽的知更鸟、还有角落里的 “Stable Diffusion” 几个关键。

咱先不提图片的质量如何,但该生成的东西起码 AI 都没落下。

不过有意思的是,在这条推文下有网友把同样的提示词,分别喂给了 Midjourney 、 DALLE-3 和 Bing 。

看下来, DALLE-3 、 Bing 和 Midjourney 要不就是知更鸟少了帽子,要不就是 “Stable Diffusion” 单词拼写错误,没一个能打的。

最后,是文生图模型最为关键的图像质量。

Stable Diffusion 3 也是人狠话不多, po 了一张这样的图片。

世超第一眼看到的反应:这难道不是照片???

手帕上的纹理还有老虎刺绣,未免有点过于逼真了吧。。。

还有这张苹果,也是能以假乱真的程度。

而之所以 Stable Diffusion 3 这次能有这么大改变,很大可能要归功于一个跟 Sora 同源的架构。

以前的 Stable Diffusion ,一般都是用 U-net 架构 + Diffusion 扩散模型。而 Transformer ,也多是用在像 GPT 类大语言模型上,两种技术各管各的。

而 OpenAI 则觉得 GPT 这把咱用Transformer 打赢了,就不改 banpick 了吧。。。于是就把Transformer 架构和 Diffusion 结合了起来,用在视频上,一顿魔改和大力出奇迹后,就整出了 Sora 。

Stability AI 团队也是英雄所见略同,把Diffusion Transformer ( 简称 Dit 架构 )用在了 Stable Diffusion 3 上。

有意思的是,关于 DiT 架构的论文是 AI 大佬谢赛宁和 William Peebles 一起写的。

这个 William Peebles ,正好是 Sora 团队的负责人之一。

Stability AI 的老板 Emad 也在 X ( 推特 )上表示,这次确实用到了和 sora 类似的技术。

另外,这次 Stable Diffusion 3 还用到了一个 Flow Matching ( 流匹配 )技术。

因为技术原理过于复杂,咱们可以简单理解成,这是一种用来训练扩散模型的方法。

如果把扩散模型比作魔法画笔,那这个流匹配的作用就是升级画笔,让画笔可以更快、更准确地画出你想要的东西。

世超估计也正是因为这个技术, Stable Diffusion 3 的文化水平才暴增的。

总而言之,光从现有的官方效果图和技术公开来看,这次 Stable Diffusion 3 的出现,又把文生图卷到了一个新高度,也证明了 Dit 架构在文生图、文生视频领域确实是个可行的新方向。

反正这么下去,保不齐下一波谁家又会拿出重磅更新。

不过大伙儿也别太焦虑,该吃吃该喝喝,要是有时间学学怎么用 AI 也行。

最后提个醒, Stable Diffusion 3 现在还没正式公测,千万别又让卖课的给骗了。

撰文:西西 编辑:江江&面线 封面:

阅读全文
相关推荐

新型城镇化概念拉升,蕾奥规划20CM涨停

新型城镇化概念拉升,蕾奥规划20CM涨停
  2月20日上午,新型城镇化概念拉升,蕾奥规划直线拉升封20CM涨停,新城市、...

期市盘前早参 还是对农产品动手了,欧盟拟对俄罗斯谷物征收关税

期市盘前早参  还是对农产品动手了,欧盟拟对俄罗斯谷物征收关税
  2024.3.25   一、行情播报   数据来源:文华财经;财联社整理  ...

全国都在「嗓子疼」,5岁男孩因它险遭封喉!医生:出现这种姿势,赶紧去医院

全国都在「嗓子疼」,5岁男孩因它险遭封喉!医生:出现这种姿势,赶紧去医院
一个年过完后,晨妈发现身边嗓子疼的人增多了。办公室还有同事嗓子发炎,请了三天假,...

张作霖真的是被关东军给炸死的吗?

张作霖真的是被关东军给炸死的吗?
导读:张作霖确实是日本人炸死的。虽然这个事件导致了日本首相田中义一和陆军大臣的下...

“降息预期”消退,但市场对美债仍然有希望

“降息预期”消退,但市场对美债仍然有希望
非农超预期叠加鲍威尔重申不会过快行动,促使交易员大幅削减对5月前降息的押注,但市...

回顾他为妻子画了一幅人体油画,却被禁止展出,24年后拍出3450万

回顾他为妻子画了一幅人体油画,却被禁止展出,24年后拍出3450万
2012年的北京保利拍卖会上,受邀前来的嘉宾全都屏气凝神的注视着一幅油画作品。那...

精选 早盘期货要闻汇总 4月21日周五

精选  早盘期货要闻汇总 4月21日周五
  宏观要闻  第一财经:4月21日,在国新办举行的新闻发布会上,外汇局副局长、...

中信里昂:予福耀玻璃“增持”评级 目标价上调145%至458港元

中信里昂:予福耀玻璃“增持”评级 目标价上调145%至458港元
中信里昂发布研究报告称,予福耀玻璃(600660)(03606)“增持”评级,目...

2024年2月10日全国主要批发市场大枣价格行情

2024年2月10日全国主要批发市场大枣价格行情
(原标题:2024年2月10日全国主要批发市场大枣价格行情) ...

被66岁张瑜的穿搭惊艳了!发不过肩、穿衣素淡,既优雅又高级

被66岁张瑜的穿搭惊艳了!发不过肩、穿衣素淡,既优雅又高级
女人每天出门的时候稍微打扮一下,一定要打扮得漂漂亮亮的,一定要穿特别正式好看的衣...