Stability AI、Stable Diffusion XL 1.0モデルを発表
(techcrunch.com)- 最も先進的なText-to-Imageモデル
- 以前のバージョンと比べて、より鮮やかで、より正確な色彩と、より優れたコントラスト、影、照明を実現
- 35億個のパラメータ
- 数秒で1メガピクセル解像度の画像を生成可能
- カスタマイズ可能で、コンセプトやスタイルに対してファインチューニングできる
- テキスト生成も改善されており、高度なテキスト生成と可読性も向上
- インペインティング、アウトペインティング、image-to-imageプロンプトをサポート
2件のコメント
公式発表文をGPT-4で詳しく説明する内容を自動生成してみました。
SDXL 1.0 発表 (ANNOUNCING SDXL 1.0)
紹介
Stability AIチームは、テキストから画像を生成するモデルの進化における次の段階であるSDXL 1.0を、オープンモデルとして公開できることを誇りに思います。SDXL 0.9の限定的かつ研究専用の公開に続き、SDXLの完全版は世界最高水準のオープン画像生成モデルへと改善されました。
要約
SDXL 1.0はStability AIの主要な画像モデルであり、画像生成のための最高のオープンモデルです。私たちはさまざまな他モデルと比較を行い、その結果、人々は他のオープンモデルよりもSDXL 1.0によって生成された画像を好むという結論に至りました。この研究結果は、私たちのDiscordで実験的モデルの世代から取得した数週間分の選好データと、外部テストから得られたものです。
SDXLは事実上あらゆるアートスタイルで高品質な画像を生成し、フォトリアリズムにおいて最高のオープンモデルです。独特の画像も、モデル固有の特定の「雰囲気」に縛られることなくプロンプトできるため、スタイルにおける絶対的な自由が確保されます。SDXL 1.0は特に鮮明で正確な色にうまく調整されており、その前身よりも優れたコントラスト、照明、影を備えています。また、SDXLは画像モデルがレンダリングに苦労する概念、たとえば手やテキスト、あるいは空間的に配置された構図（例: 背景で犬に追われる女性）も生成できます。
SDXLは、複雑で詳細かつ美的に満足度の高い画像を生成するために、わずかな単語しか必要としません。ユーザーはもはや「名作」のような修飾語を使って高品質な画像を得る必要がありません。また、SDXLは「The Red Square」（有名な場所）と「red square」（図形）のような概念の違いを理解できます。
SDXL 1.0は、オープンアクセスの画像モデルの中で最大級のパラメータ数を持ち、3.5Bパラメータのベースモデルと6.6Bパラメータのリファイナーからなる革新的な新アーキテクチャに基づいています。モデル全体は、潜在拡散に対するMixture of Expertsパイプラインで構成されています。第1段階でベースモデルが（ノイズを含む）潜在変数を生成し、その後それらは最終的なノイズ除去段階に特化した精製モデルによってさらに処理されます。なお、ベースモデルは独立したモジュールとして単体でも使用できます。この2段階アーキテクチャは、画像生成に対して堅牢なアプローチを提供し、さらに向上した結果をもたらします。
参考
Stability AI Blog: Stability AIのブログでは、この企業の最新研究と発表に関する詳しい情報を提供しています。このブログを通じて、SDXL 1.0のような最新モデルについて追加情報を得ることができます。
https://stability.ai/blog
Stable Diffusion: このWebサイトでは、Stability AIのStable Diffusion技術に関する詳しい情報を提供しています。この技術はSDXL 1.0の中核的な構成要素であり、このWebサイトを通じてこの技術への深い理解を得ることができます。
https://stability.ai/stable-diffusion
Discord Community: このDiscordコミュニティは、Stability AIの研究者とユーザーが集まり、互いの作業を共有し議論する場です。このコミュニティを通じて、SDXL 1.0のようなモデルを使用する他の人々の経験を知ることができます。
https://discord.gg/stablediffusion
StabilityAIの公式発表記事にもう少し詳しい内容があるので、リンクを残しておきます。 :)
https://stability.ai/blog/stable-diffusion-sdxl-1-announcement