来源:量子位
开源AI绘画扛把子,StableDiffusion背后公司StabilityAI再放大招!
全新开源模型DeepFloydIF,一下获星2千+并登上GitHub热门榜。
DeepFloydIF不光图像质量是照片级的,还解决了文生图的两大难题:
准确绘制文字。
以及准确理解空间关系。
多链质押基础设施Stader Labs与P2P期权协议Delta Theta达成合作:7月29日消息,多链质押基础设施Stader Labs宣布与P2P期权协议Delta Theta达成合作。通过此次合作,用户将能够使用Stader的流动质押代币Matic X创建期权并在Delta Theta上进行交易。[2022/7/29 2:46:18]
网友表示,这可是个大事,之前想让Midjourneyv5在霓虹灯招牌上写个字AI都是瞎划拉两笔,对于镜子理解的也不对。
多链数据经纪平台Itheum与Polkastarter Gaming达成合作:官方消息,多链数据经纪平台Itheum与链游Polkastarter Gaming达成合作,Polkastarter Gaming将加入Itheum的公会合作伙伴网络,采用Itheum独家的玩家护照(Gamer Passport),使玩家能够拥有和交易他们的数据。[2022/6/16 4:32:48]
使用DeepFloydIF,可以把指定文字巧妙放置在画面中任何地方。
霓虹灯招牌、街头涂鸦、服饰、手绘插画,文字都会以合适的字体、风格、排版出现在合理的地方。
Nethermind发布用Golang写的StarkNet节点实施Juno v0.1版:6月16日消息,以太坊客户端Nethermind区块链工程师Marcos表示,已发布Juno v0.1版。Juno是一个由Nethermind用Golang写的StarkNet节点实施,将为StarkNet带来去中心化,允许直接从Juno获取StarkNet数据。[2022/6/16 4:32:10]
这意味着,AI直出商品渲染图、海报等实用工作流程又打通一环。
还在视频特效上开辟了新方向。
目前DeepFloydIF以非商用许可开源,不过团队解释这是暂时的,获得足够的用户反馈后将转向更宽松的协议。
Gate.io Startup首发项目IDV认购成功并上线交易:据官方公告,Gate.io Startup 首发项目Idavoll Network (IDV)认购已成功,共有2,438人下单,下单总价值超过1,000万美金,认购系数约为0.02 。Gate.io将根据每个人的下单情况和每个下单币种的认购系数进行IDV分发,并已开通IDV交易和充提服务。[2021/3/4 18:14:02]
有需求的小伙伴可以抓紧反馈起来了。
像素级图像生成
DeepFloydIF仍然基于扩散模型,但与之前的StableDiffusion相比有两大不同。
ETH2.0客户端Lodestar现可连接至ETH2.0测试网:加拿大科技公司ChainSafe的项目经理Colin Schwarz发文称,其Lodestar团队(ETH2.0客户端之一)现在能够连接至Eth2.0测试网Topaz和Schlesi,并可进行同步。不过,目前Lodestar无法与Topaz和Schlesi保持长期连接。Lodestar团队下一步将继续加强信标节点,以通过稳定、长期运行的信标节点和验证程序客户端完全参与公共测试网。注,4月底,ETH2.0的多客户端测试网Schlesi已上线运行,已支持客户端Prysm和Lighthouse。另外,由Prysmatic Labs发起的ETH2.0测试网Topaz的创世时间为北京时间4月18日早上8点。[2020/5/19]
负责理解文字的部分从OpenAI的CLIP换成了谷歌T5-XXL,结合超分辨率模块中额外的注意力层,获得更准确的文本理解。
负责生成图像的部分从潜扩散模型换成了像素级扩散模型。
也就是扩散过程不再作用于表示图像编码的潜空间,而是直接作用于像素。
官方还提供了一组DeepFloydIF与其他AI绘画模型的直观对比。
可以看出,使用T5做文本理解的谷歌Parti和英伟达eDiff-1也都可以准确绘制文字,AI不会写字这事就是CLIP的锅。
不过英伟达eDiff-1不开源,谷歌的几个模型更是连个Demo都不给,DeepFloydIF就成了更实际的选择。
具体生成图像上DeepFloydIF与之前模型一致,语言模型理解文本后先生成64×64分辨率的小图,再经过不同层次的扩散模型和超分辨率模型放大。
在这种架构上,通过把指定图像缩小回64×64再使用新的提示词重新执行扩散,也实现以图生图并调整风格、内容和细节。
并且不需要对模型做微调就可直接实现。
另外,DeepFloydIF的优势还在于,IF-4.3B基础模型是目前扩散模型中U-Net部分有效参数是最多的。
在实验中,IF-4.3B取得了最好的FID分数,并达到SOTA。
谁是DeepFloyd
DeepFloydAIResearch是StabilityAI旗下的独立研发团队,深受摇滚乐队平克弗洛伊德影响,自称为一只“研发乐队”。
主要成员只有4人,从姓氏来看均为东欧背景。
这次除了开源代码外,团队在HuggingFace上还提供了DeepFloydIF模型的在线试玩。
我们也试了试,很可惜的是目前对中文还不太支持。
原因可能是其训练数据集LAION-A里面中文内容不多,不过既然开源了,相信在中文数据集上训练好的变体也不会太晚出现。
OneMoreThing
DeepFloydIF并不是StabilityAI昨晚在开源上的唯一动作
语言模型方面,他们也推出了首个开源并引入RLHF技术的聊天机器人StableVicuna,基于小羊驼Vicuna-13B模型实现。
目前代码和模型权重已开放下载。
完整的桌面和移动界面也即将发布。
DeepfloydIF在线试玩:
https://huggingface.co/spaces/DeepFloyd/IF
代码:
https://github.com/deep-floyd/IF
StableVicuna在线试玩:
https://huggingface.co/spaces/CarperAI/StableVicuna
权重下载:
https://huggingface.co/CarperAI/stable-vicuna-13b-delta
参考链接:
https://deepfloyd.ai/deepfloyd-if
https://stability.ai/blog/deepfloyd-if-text-to-image-model
https://stability.ai/blog/stablevicuna-open-source-rlhf-chatbot
https://stable-diffusion-art.com/how-stable-diffusion-work/
郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。