Θα σας πω για την εικόνα AI WebUI (σταθερή διαφορά)

 

Σήμερα θα σας καθοδηγήσω τον ιστότοπο που τραβά την εικόνα δωρεάν με το AI!
Μπορείτε να σχεδιάσετε μια εικόνα πολύ εύκολα!

Webui (σταθερή διαφορά)

Η σταθερότητα AI, που κυκλοφόρησε στις 22 Αυγούστου 2022, είναι ένα μοντέλο AI που μετατρέπει το κείμενο σε μια εικόνα. Αυτό το μοντέλο διανέμεται ως άδεια ανοιχτού κώδικα, επιτρέποντας σε μια ποικιλία χρηστών να το χρησιμοποιούν ελεύθερα. Όταν εισάγετε το κείμενο, η σταθερότητα AI δημιουργεί μια εικόνα υψηλής ποιότητας βασισμένη σε αυτό το κείμενο.

Διεύθυνση ιστότοπου:
https://stability.ai/


χαρακτηριστικό γνώρισμα :
Η σταθερή διάχυση είναι ένα μοντέλο τεχνητής νοημοσύνης βαθιάς μάθησης που αναπτύχθηκε με βάση το "High Research Synthesis Synthesis" από το εργαστήριο Machine Vision & Learning Group (COMPVIS) στο Πανεπιστήμιο του Μονάχου στο Μόναχο της Γερμανίας. Έχει αναπτυχθεί με την υποστήριξη της σταθερότητας AI και του διαδρόμου ML.

Η σταθερότητα AI είναι μια βρετανική εταιρεία που ονομάζεται Emad Mostaque, παρέχοντας υπολογιστικούς πόρους για σταθερή διαφορά, επιτρέποντάς σας να μάθετε μια βάση δεδομένων LAION-5B. Σε αντίθεση με τα μοντέλα κειμένου σε εικόνα όπως το Dall-e 2 ή το Imagen, αυτό το μοντέλο μπορεί επίσης να χρησιμοποιηθεί σε υπολογιστές με VRAMs 4GB ή λιγότερο με μείωση των πόρων των υπολογιστών.

Επιπλέον, ακόμη και αν είναι ακριβό, είναι ανοιχτό σε ανοιχτό κώδικα και μπορεί να χρησιμοποιηθεί από το ευρύ κοινό. Αυτό έχει ανοίξει την ηλικία της ζωγραφικής AI και η λειτουργία εξυπηρέτησης εικόνας AI που βασίζεται στο μοντέλο συνεχίζει να αυξάνεται.

Μπορείτε να χρησιμοποιήσετε το βύσμα -in "controlnet" για να κάνετε μια στάση. Επιπλέον, χρησιμοποιώντας διάφορα βοηθητικά μοντέλα ControlNet, όπως το μοντέλο Canny που προέρχεται από το Oppose, προσαρμόζει τις καλλιέργειες της περιοχής του σώματος για να βοηθήσει το σκίτσο του επιπέδου γραμμής.

Η σταθερή διαφορά αποτελείται κυρίως από τρία τεχνητά νευρωνικά δίκτυα: κλιπ, UNET και VAE (VAE). Όταν ο χρήστης εισέλθει στο κείμενο, ο κωδικοποιητής κειμένου, κλιπ, μετατρέπει το κείμενο στο διακριτικό που μπορεί να καταλάβει το UNET. Το UNET δημιουργεί μια εικόνα αφαιρώντας τυχαία θόρυβο που βασίζεται σε μάρκες. Η επανάληψη της διαδικασίας dinoizing δημιουργεί μια ακριβή εικόνα και η VAE παίζει ρόλο στη μετατροπή αυτών των εικόνων σε εικονοστοιχεία.

Σε αντίθεση με το παραδοσιακό μοντέλο δημιουργίας εικόνας πιθανότητας διάχυσης, η σταθερή διαφορά έχει εισαγάγει το Otto Incoder πριν και μετά την επίλυση του προβλήματος που αυξάνεται η κατανάλωση πόρων καθώς αυξάνεται η ανάλυση. Αυτό σας επιτρέπει να δημιουργήσετε μια σχετικά μεγάλη εικόνα ανάλυσης με το χειρισμό του θορύβου σε ένα μικρό επίπεδο δυνητικού χώρου, όχι σε ολόκληρη την εικόνα και να μην απαιτεί πολλούς υπολογιστικούς πόρους. Ως εκ τούτου, η σταθερή διαφορά μπορεί να χρησιμοποιηθεί ως πόρος καρτών γραφικών που χρησιμοποιούνται σε γενικές υποθέσεις.


Αδεια:
Η σταθερή AI εισήγαγε άδεια ανοιχτού κώδικα [4] για νέα μηχανική μάθηση. Αυτή η άδεια έχει διαφορετική λειτουργία από τη συνήθη άδεια ανοιχτού κώδικα. Εάν παρέχετε μια υπηρεσία χρησιμοποιώντας σταθερή διαφορά, ο χρήστης πρέπει να συμμορφώνεται ρητά με αυτήν την άδεια. Επιπλέον, όταν ο PIN συντονίζει το μοντέλο, θα πρέπει να χρησιμοποιείται μόνο για τη συγκεκριμένη χρήση που καθορίζεται στην άδεια και δεν πρέπει να χρησιμοποιείται για άλλους σκοπούς.

Πώς να χρησιμοποιήσετε:
Έχουν αναπτυχθεί διάφορα έργα ανοιχτού κώδικα χρησιμοποιώντας σταθερή διαφορά. Παρακάτω είναι μια περιγραφή κάθε έργου:

1. Σταθερό UI Web UI: Ένα έργο που παρέχει μια διεπαφή χρήστη που βασίζεται στο διαδίκτυο για να διευκολύνει τη χρήση του σταθερού μοντέλου διάχυσης. Οι προγραμματιστές συνεχίζουν να ενημερώνουν και να προσθέτουν μια ποικιλία χαρακτηριστικών όπως η διόρθωση GFPGan, η αναβάθμιση του ESRGAN και η αναστροφή κειμένου εκτός από τη λειτουργία του εμπρόσθιου άκρου της σταθερής διάχυσης.

2. Πρωτότυπος συγγραφέας: Το αρχικό έργο που δημοσιεύθηκε από το CompVIS. Η χρηστικότητα είναι περιορισμένη, επομένως μπορεί να χρησιμοποιηθεί για σκοπούς αναφοράς.

3. Διάχυση: Πρόκειται για ένα πλαίσιο για το νέο μοντέλο διάχυσης που παρέχεται από το Herging Face, έναν διάσημο πάροχο πλαισίου εκμάθησης μηχανών. Παρέχει έναν τρόπο να γίνει το finetuneng της σταθερής διάχυσης εύκολα. Περιλαμβάνει επίσης πλαίσια όπως μετασχηματιστές ή σύνολα δεδομένων.

4. DiffnessBee: Μπορείτε να εκτελέσετε τη σταθερή διαφορά απευθείας με την εφαρμογή για το Mac. Είναι δυνατόν να εισαγάγετε κείμενο και εικόνες, καθώς και να υποστηρίξετε τις λειτουργίες Painting και Outposting. Η έκδοση του πυριτίου της Apple χρησιμοποιεί έναν νευρικό κινητήρα μέσα στο πυρίτιο της Apple και η έκδοση HQ χρησιμοποιεί τη GPU για να αυξήσει την ποιότητα, αλλά η ταχύτητα είναι αργή. Υποστηρίζει επίσης την Intel Mac και θα υποστηρίξει τα Windows στο μέλλον.

5. Σχεδιάστε τα πράγματα: Μπορείτε να εκτελέσετε σταθερή διαφορά με εφαρμογές για iOS, iPados και macOS. Υποστηρίζει τρεις τρόπους: CPU + GPU, CPU + νευρωνικό κινητήρα, CPU + GPU + νευρωνικό κινητήρα (ALL). Μπορείτε να χρησιμοποιήσετε το σημείο ελέγχου, το Lora, το Textual Reversion κ.λπ. και προσφέρει ένα παρόμοιο χαρακτηριστικό με το Webui. Η λειτουργία επέκτασης δεν υποστηρίζεται και λόγω περιορισμών χωρητικότητας μνήμης, η εφαρμογή μπορεί συχνά να τερματιστεί λόγω έλλειψης μνήμης εάν τρέχει περισσότερο από ένα συγκεκριμένο ψήφισμα τόσο σε παλιές όσο και σε νέες συσκευές.

6. Riffusion: Αυτό είναι ένα παράδειγμα εφαρμογής της στη σύνθεση AI χρησιμοποιώντας το φασματογράφημα.

7. Πιάτο μέσα στο AI Image Gallery: Έχουμε ανοίξει μια ειδική γκαλερί που μπορεί να δημιουργήσει εικόνες AI χρησιμοποιώντας την υπηρεσία του Civitai.

Τα παραπάνω έργα χρησιμοποιούν τη σταθερή διάχυση για να δημιουργήσουν εικόνες AI σε διάφορες λειτουργίες και περιβάλλοντα.