Mẫu Würstchen V2 giành chiến thắng Stable Diffusion XL với tốc độ ấn tượng để tạo ra hình ảnh có độ phân giải cao
Một tweet gần đây của tác giả bài báo có tựa đề “Würstchen” (tiếng Đức nghĩa là “Xúc xích”) đã thu hút sự chú ý của những người đam mê cũng như các chuyên gia. Dòng tweet đã chia sẻ kết quả thú vị của việc tạo ra hình ảnh bằng mẫu Würstchen V2 mới.
Sản phẩm liên quan: Midjourney 5.2 và Stable Diffusion Bản cập nhật SDXL 0.9 để tạo văn bản thành hình ảnh sáng tạo |
Würstchen nhanh và hiệu quả, tạo ra hình ảnh nhanh hơn các mô hình như Stable Diffusion XL trong khi sử dụng ít bộ nhớ hơn. Nó cũng giúp giảm chi phí đào tạo, với Würstchen v1 chỉ cần 9,000 giờ đào tạo GPU ở độ phân giải 512×512, so với 150,000 giờ GPU dành cho Stable Diffusion 1.4. Việc giảm chi phí 16 lần này không chỉ mang lại lợi ích cho các nhà nghiên cứu thực hiện các thí nghiệm mới mà còn mở ra cơ hội cho nhiều tổ chức hơn đào tạo những mô hình như vậy. Würstchen v2 sử dụng 24,602 giờ GPU, khiến nó rẻ hơn 6 lần so với SD1.4 vốn chỉ được đào tạo ở độ phân giải 512×512.
Würstchen V2 là một mô hình khuếch tán hoạt động trong không gian hình ảnh tiềm ẩn được nén cao, giảm chi phí tính toán cho việc đào tạo và suy luận theo mức độ lớn. Nó sử dụng một thiết kế mới có thể đạt được độ nén không gian 42x, một kỳ tích chưa từng thấy trước đây. Würstchen sử dụng phương pháp nén hai giai đoạn, Giai đoạn A và Giai đoạn B, giải mã các hình ảnh đã nén trở lại không gian pixel. Mô hình thứ ba, Giai đoạn C, được học trong không gian tiềm ẩn được nén ở mức độ cao, yêu cầu các phân số điện toán được sử dụng cho các mô hình hoạt động tốt nhất hiện tại, đồng thời cho phép suy luận rẻ hơn và nhanh hơn.
Würstchen V2 bao gồm hai giai đoạn khuếch tán:
- Giai đoạn A: Giai đoạn này liên quan đến việc truyền bá có điều kiện bằng văn bản và có tới 1 tỷ thông số đáng kinh ngạc. Khả năng tăng tốc ở đây đạt được thông qua các kỹ thuật nén cực cao. Đáng chú ý, thay vì kích thước mã ẩn là 128x128x4 như trong SDXL, Würstchen V2 ban đầu hoạt động ở độ phân giải 24x24x16. Điều này có nghĩa là ít pixel hơn nhưng nhiều kênh hơn, giúp tăng tốc độ đáng kể.
- Giai đoạn B: Đây là mô hình khuếch tán được trang bị 600 triệu thông số, chịu trách nhiệm giải nén hình ảnh từ 24×24 xuống độ phân giải 128×128.
Hoàn tất quá trình là bộ giải mã với 20 triệu tham số biến mã ẩn thành hình ảnh được hiển thị.
Lợi ích thiết thực nổi bật ngay lập tức là tốc độ vượt trội của Würstchen V2. Nó hoạt động với tốc độ nhanh hơn 2-2.5 lần so với SDXL, một tiến bộ đáng chú ý trong lĩnh vực Tạo ảnh AI.
Giống như bất kỳ sự đổi mới công nghệ nào, có thể có sự đánh đổi. Về chất lượng hình ảnh, một số chuyên gia cho rằng có hơi thua thiệt một chút, mặc dù vẫn chờ đợi một sự so sánh toàn diện và trung thực để đưa ra bằng chứng cụ thể.
Dưới đây là các ví dụ về chuyển văn bản thành hình ảnh được tạo:
Đọc thêm các chủ đề liên quan:
Từ chối trách nhiệm
Phù hợp với Hướng dẫn của Dự án Tin cậy, xin lưu ý rằng thông tin được cung cấp trên trang này không nhằm mục đích và không được hiểu là tư vấn pháp lý, thuế, đầu tư, tài chính hoặc bất kỳ hình thức tư vấn nào khác. Điều quan trọng là chỉ đầu tư những gì bạn có thể đủ khả năng để mất và tìm kiếm lời khuyên tài chính độc lập nếu bạn có bất kỳ nghi ngờ nào. Để biết thêm thông tin, chúng tôi khuyên bạn nên tham khảo các điều khoản và điều kiện cũng như các trang trợ giúp và hỗ trợ do nhà phát hành hoặc nhà quảng cáo cung cấp. MetaversePost cam kết báo cáo chính xác, không thiên vị nhưng điều kiện thị trường có thể thay đổi mà không cần thông báo trước.
Giới thiệu về Tác giả
Damir là trưởng nhóm, quản lý sản phẩm và biên tập viên tại Metaverse Post, bao gồm các chủ đề như AI/ML, AGI, LLMs, Metaverse và Web3-các lĩnh vực liên quan. Các bài báo của anh ấy thu hút một lượng lớn độc giả với hơn một triệu người dùng mỗi tháng. Anh ấy có vẻ là một chuyên gia với 10 năm kinh nghiệm về SEO và tiếp thị kỹ thuật số. Damir đã được đề cập trong Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto và các ấn phẩm khác. Anh đi lại giữa Các Tiểu vương quốc Ả Rập Thống nhất, Thổ Nhĩ Kỳ, Nga và CIS với tư cách là một người du mục kỹ thuật số. Damir đã có bằng cử nhân vật lý, bằng cấp mà anh tin rằng đã mang lại cho anh những kỹ năng tư duy phản biện cần thiết để thành công trong bối cảnh luôn thay đổi của Internet.
Xem thêm bài viếtDamir là trưởng nhóm, quản lý sản phẩm và biên tập viên tại Metaverse Post, bao gồm các chủ đề như AI/ML, AGI, LLMs, Metaverse và Web3-các lĩnh vực liên quan. Các bài báo của anh ấy thu hút một lượng lớn độc giả với hơn một triệu người dùng mỗi tháng. Anh ấy có vẻ là một chuyên gia với 10 năm kinh nghiệm về SEO và tiếp thị kỹ thuật số. Damir đã được đề cập trong Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto và các ấn phẩm khác. Anh đi lại giữa Các Tiểu vương quốc Ả Rập Thống nhất, Thổ Nhĩ Kỳ, Nga và CIS với tư cách là một người du mục kỹ thuật số. Damir đã có bằng cử nhân vật lý, bằng cấp mà anh tin rằng đã mang lại cho anh những kỹ năng tư duy phản biện cần thiết để thành công trong bối cảnh luôn thay đổi của Internet.