Stable Diffusion 3,它终于来了! 足足酝酿一年之多,相比上一代一共进化了三大能力。 来,直接上效果! 首先,是开挂的文字渲染能力。 且看这黑板上的粉笔字: Go Big or Go Home (不成功便成仁),这个倒是杀气腾腾啊~ 路牌、公交灯牌的霓虹效果: 还有刺绣上“勾”得快要看到针脚的“晚安”: 作品一摆出,网友就大呼:太精确了。 以至于有人表示:赶紧把中文也安排上啊。 其次,多主题提示能力直接拉满。 什么意思?你尽管一次性往提示词中塞入n多“元素”,Stable Diffusion 3:漏一个算我输。 呐,仔细瞅下图,这里面就有“宇航员”、“穿着芭蕾舞裙的小猪”、“粉色雨伞”、“戴着礼帽的知更鸟”,角落里还有“Stable Diffusion”几个大字(可不是什么水印)。 有了这个能力,一幅作品你想多丰富就有多丰富。 最后,当属图像质量,再次进化了一个度。 光看前面这些图,就被冲击到有没有?! 而各种超清特写,那是再信手拈来不过的了。 心动吗?目前官方已开放排队名单,大伙可以前往官网申请。 咳咳,也不得不说,最近这AI圈可真是相当热闹啊。 有网友直呼,我的电脑已经Hold不住了…… Stable Diffusion 3来了! 全新的Stable Diffusion效果有多好,再给大伙奉送一些。 当然,所有出图均来自官方,比如StabilityAI媒体负责人: 不得不说,文字效果实在最为吸人眼球,各种形式都能呈现得相当清楚和“应景”。 而看到上面这幅图,不得不想到“Midjourney尴尬亮相学术界:为生物学论文乱配图”一事——有了SD3之后,我们是不是可以制作非常专业的学术配图了? 除了这些,SD3的“酒精水墨画”也相当别出心裁: 动漫风格: again,你可以在上面加清晰的文字了。 由于目前需要排队申请,大伙还不好实际测试摸底。 不过有机智的网友已经用相同的提示词喂给了Midjourney(v 6.0)。 比如开头的那张“红苹果与黑板字”(prompt:cinematic photo of a red apple on a table in a classroom, on the blackboard are the words “go big or go home” written in chalk) 最终Midjourney给出的结果如下: 从这组对比来看,可以说是高下立判——SD3无论是文字拼写还是质量、色彩协调性等方面都更胜一筹。 技术方面,目前,模型可选择的参数范围在800M到8B。 详细的技术报告还未公布,官方目前只透露主要结合了扩散型transformer架构以及flow matching。 前者实际上同Sora一样,附上的技术论文正是22年William Peebles同谢赛宁合写的DiT。 DiT首次将Transformer与扩散模型结合到了一起,相关论文被ICCV 2023录用为Oral论文。 在该研究中,研究者训练了潜在扩散模型,用对潜在 patch进行操作的 Transformer 替换常用的 U-Net 主干网络。他们通过以Gflops衡量的前向传递复杂度来分析扩散 Transformer (DiT) 的可扩展性。 而后者flow matching同样也是来自22年,由Meta AI以及魏茨曼科学研究所的科学家完成。 他们提出了基于连续归一化流(CNFs)的生成模型新范式,以及flow matching的概念,这是一种基于回归固定条件概率路径的矢量场的免模拟CNFs的方法。结果发现使用带有扩散路径的flow matching,可以训练出来的模型更稳健和稳定。 不过最近看了这么多视频生成进展,也有网友表示: 你觉得呢? One More Thing 除此之外,也就在前一天,他们的视频产品Stable Video正式开放公测。 基于SVD1.1(Stable Video Diffusion 1.1),人人可用。 主要支持文生视频和图生视频两个功能。 参考链接: [1]https://stability.ai/news/stable-diffusion-3 [2]https://arxiv.org/abs/2212.09748 [3]https://arxiv.org/abs/2210.02747 [4]https://twitter.com/pabloaumente/status/1760678508173660543 本文来源:量子位 |
原创栏目
IT百科
网友评论
聚超值•精选