Modelul Würstchen V2 a câștigat Stable Diffusion XL cu viteză impresionantă pentru generarea de imagini de înaltă rezoluție
Un tweet recent de autorul unui articol intitulat „Würstchen” (germană pentru „cârnat”) a captat atenția entuziaștilor și experților deopotrivă. Tweet-ul a împărtășit rezultatele intrigante ale generării de imagini folosind noul model Würstchen V2.
| Legate de: Midjourney 5.2 și Stable Diffusion Actualizări SDXL 0.9 pentru generarea creativă de text în imagine |
Würstchen este rapid și eficient, generând imagini mai rapid decât modele asemănătoare Stable Diffusion XL în timp ce utilizați mai puțină memorie. De asemenea, are costuri reduse de formare, Würstchen v1 necesitând doar 9,000 de ore de antrenament GPU la rezoluții de 512×512, comparativ cu 150,000 de ore GPU petrecute pe Stable Diffusion 1.4. Această reducere de 16 ori a costurilor nu numai că aduce beneficii cercetătorilor care efectuează noi experimente, dar deschide și ușa pentru mai multe organizații să antreneze astfel de modele. Würstchen v2 a folosit 24,602 de ore GPU, ceea ce îl face de 6 ori mai ieftin decât SD1.4, care a fost antrenat doar la 512×512.
Würstchen V2 este un model de difuzie care funcționează într-un spațiu latent de imagini foarte comprimat, reducând costurile de calcul pentru antrenament și inferență cu ordine de mărime. Utilizează un design nou care realizează o compresie spațială de 42x, o performanță nemaivăzută anterior. Würstchen folosește o compresie în două etape, Etapa A și Etapa B, care decodifică imaginile comprimate înapoi în spațiul pixelilor. Un al treilea model, Etapa C, este învățat în spațiul latent foarte comprimat, necesitând fracțiuni de calcul utilizate pentru modelele actuale cu cele mai bune performanțe, permițând în același timp o inferență mai ieftină și mai rapidă.
Würstchen V2 cuprinde două etape de difuzie:
- Etapa A: Această etapă implică difuzarea condiționată de text și se mândrește cu 1 miliard de parametri uimitoare. Accelerația aici este realizată prin tehnici de compresie ultra-înaltă. În special, în loc de dimensiunea codului ascuns de 128x128x4, așa cum se vede în SDXL, Würstchen V2 funcționează inițial la o rezoluție de 24x24x16. Aceasta înseamnă mai puțini pixeli, dar mai multe canale, rezultând o creștere semnificativă a vitezei.
- Etapa B: Acesta este un model de difuzie echipat cu 600 de milioane de parametri, responsabil pentru decomprimarea imaginii de la 24×24 la o rezoluție de 128×128.
Finalizarea procesului este un decodor cu 20 de milioane de parametri care transformă codul ascuns într-o imagine redată.
Beneficiul practic care iese imediat în evidență este viteza remarcabilă a lui Würstchen V2. Funcționează la o viteză care este de 2-2.5 ori mai rapidă decât SDXL, un progres demn de remarcat în domeniul Generare de imagini AI.
Ca și în cazul oricărei inovații tehnologice, pot exista compromisuri. În ceea ce privește calitatea imaginii, unii experți sugerează o ușoară pierdere, deși încă se așteaptă o comparație cuprinzătoare și sinceră pentru a oferi dovezi concrete.
Exemple generate de text în imagine sunt mai jos:
Citiți mai multe subiecte conexe:
Declinare a responsabilităţii
În conformitate cu Ghidurile proiectului Trust, vă rugăm să rețineți că informațiile furnizate pe această pagină nu sunt destinate și nu trebuie interpretate ca fiind consiliere juridică, fiscală, investițională, financiară sau orice altă formă de consiliere. Este important să investești doar ceea ce îți poți permite să pierzi și să cauți sfaturi financiare independente dacă ai îndoieli. Pentru informații suplimentare, vă sugerăm să consultați termenii și condițiile, precum și paginile de ajutor și asistență furnizate de emitent sau agent de publicitate. MetaversePost se angajează să raporteze corecte, imparțial, dar condițiile de piață pot fi modificate fără notificare.
Despre autor
Damir este liderul echipei, manager de produs și editor la Metaverse Post, care acoperă subiecte precum AI/ML, AGI, LLM-uri, Metaverse și Web3-domenii conexe. Articolele sale atrag o audiență masivă de peste un milion de utilizatori în fiecare lună. El pare a fi un expert cu 10 ani de experiență în SEO și marketing digital. Damir a fost menționat în Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto și alte publicații. Călătorește între Emiratele Arabe Unite, Turcia, Rusia și CSI ca nomad digital. Damir a obținut o diplomă de licență în fizică, despre care crede că i-a oferit abilitățile de gândire critică necesare pentru a avea succes în peisajul în continuă schimbare al internetului.
Mai multe articole
Damir este liderul echipei, manager de produs și editor la Metaverse Post, care acoperă subiecte precum AI/ML, AGI, LLM-uri, Metaverse și Web3-domenii conexe. Articolele sale atrag o audiență masivă de peste un milion de utilizatori în fiecare lună. El pare a fi un expert cu 10 ani de experiență în SEO și marketing digital. Damir a fost menționat în Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto și alte publicații. Călătorește între Emiratele Arabe Unite, Turcia, Rusia și CSI ca nomad digital. Damir a obținut o diplomă de licență în fizică, despre care crede că i-a oferit abilitățile de gândire critică necesare pentru a avea succes în peisajul în continuă schimbare al internetului.
