Stable Diffusion && GAN

2024年03月10日23:25:20 科技 1409

背景

生成式AI兴起之前,市场上的AI产品主要是分析式AI

从功能上看,过去的分析式AI的应用主要是帮助人们进行预测,进而提升决策效率。尽管如此,这类AI可以独立完成的任务并不多,也不能生成新的内容,在大多数时候,它充其量只能充当一个辅助角色。

而生成式AI则不同,除了拥有和分析式AI类似的预测功能外,它们还能根据决策独立作出判断、生成内容

因此,它们的应用潜力和经济影响要比分析式AI大得多。

昨晚看东方卫视,已经用虚拟新闻主播担任主持人。

Stable Diffusion && GAN - 天天要闻

生成式AI的几个模型

目前,生成式AI主要有这五大模型:vaes、GANs、Diffusion、Transformers、NeRFs。

1、VAEs

使用编码器-解码器架构来生成新数据,通常用于图像和视频生成,例如生成用于隐私保护的合成人脸。

2、GANs

使用生成器和鉴别器来生成新数据,通常用于视频游戏开发中以创建逼真的游戏角色。

3、Diffusion

添加然后消除噪声以生成具有高细节水平的高质量图像,从而创建近乎逼真的自然场景图像。

4、Transformers

可以有效地并行处理顺序数据,以进行机器翻译、文本摘要和图像创建。

5、NeRFs

提供了一种使用神经表示的3D场景重建的新方法。

实际场景中,经常会将以上结合使用。比如OpenAI Sora就集成了Diffusion模型和Transformer模型。

什么是Stable Diffusion

Stable Diffusion是一种潜在扩散模型,2022年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像,尽管它也可以应用于其他任务,如内补绘制、外补绘制,以及在提示词指导下产生图生图的转变。

源代码和模型权重已分别公开发布在GitHub和Hugging Face,可以在我们有GPU的电脑硬件上本地运行。

以前的专有文生图模型(如DALL-E和Midjourney)只能通过云计算服务访问。

它是一种使用扩散过程逐步细化噪声源来生成合成数据的方法。该方法涉及将潜在噪声向量迭代地转换为目标信号。

由3个部分组成:变分自编码器(VAE)、U-Net和一个文本编码器。

Stable Diffusion && GAN - 天天要闻

Stable Diffusion建议在10GB以上的显存(GDDR或HBM)下运行。

扩散模型所用的去噪过程如下所示:

Stable Diffusion && GAN - 天天要闻

什么是GAN

生成对抗网络(Generative Adversarial Network)是非监督式学习的一种方法,通过两个神经网络相互博弈的方式进行学习。

该方法由伊恩·古德费洛等人于2014年提出。GAN背后的基本思想是它们涉及两个神经网络:生成器判别器

生成网络从潜在空间(latentspace)中随机取样作为输入,其输出结果需要尽量模仿训练集中的真实样本。

判别网络的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。

而生成网络则要尽可能地欺骗判别网络。

两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。

GAN 工作原理如下图所示:

Stable Diffusion && GAN - 天天要闻

Diffusion与GAN的不同点

虽然Stable Diffusion和GAN之间有一些相似之处,例如它们都专注于生成合成数据,但也存在一些关键差异,使这两种方法彼此不同。

1、稳定扩散是一种自监督方法,可以从自身的迭代细化过程中学习,而GAN则涉及生成器和判别器

2、稳定扩散被设计为在连续的潜在空间中运行,而GAN在离散的像素空间中运行。

Diffusion试用

from diffusers import DiffusionPipeline
import torch

#加载base&refiner
base = DiffusionPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True
)
base.to("cuda")
refiner = DiffusionPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-refiner-1.0",
    text_encoder_2=base.text_encoder_2,
    vae=base.vae,
    torch_dtype=torch.float16,
    use_safetensors=True,
    variant="fp16",
)
refiner.to("cuda")

#定义步骤数和百分比(80/20)
n_steps = 40
high_noise_frac = 0.8

# 生成一个梵高风格的西安钟楼照片
prompt = "Generate a photo of the Xi'an Bell Tower in the style of Van Gogh"

# 运行
image = base(
    prompt=prompt,
    num_inference_steps=n_steps,
    denoising_end=high_noise_frac,
    output_type="latent",
).images
image = refiner(
    prompt=prompt,
    num_inference_steps=n_steps,
    denoising_start=high_noise_frac,
    image=image,
).images[0]

生成效果

Stable Diffusion && GAN - 天天要闻

科技分类资讯推荐

Pura80Pro与Mate70Pro,谁是华为旗舰更优解?一文看懂 - 天天要闻

Pura80Pro与Mate70Pro,谁是华为旗舰更优解?一文看懂

每当华为旗舰新机临近发布节点,科技圈的焦点就会转移到“新旧旗舰”之间的对比上,这也是许多消费者最关注的问题之一,比如即将在6月11日发布的「Pura80 Pro」以及已经上市半年的「Mate70 Pro」,一款是华为在影像领域进一步突破的全
周鸿祎:准备干掉360整个市场部,每年能省几千万 - 天天要闻

周鸿祎:准备干掉360整个市场部,每年能省几千万

6月6日晚,360集团创始人、董事长周鸿祎在其个人自媒体账号发文称,“我准备干掉360整个市场部,这样一年可以给公司省下几千万。”他表示从当天起,要做一个挑战,一个人完成一场完整的新产品发布会。“听起来像天方夜谭,但这次我准备动真格的了。”周鸿祎称,过去做一个产品发布会,需要市场部几十号人,忙活大半个月,费...
新疆低空经济加力扩容 - 天天要闻

新疆低空经济加力扩容

天山网/新疆日报记者 马伊宁不久前,“阿勒泰低空飞行服务保障中心”及“布尔津、富蕴低空飞行服务保障站”投入运营。作为拥有世界级旅游资源的区域,阿勒泰地区正构建覆盖北疆的低空飞行服务网络,为通用航空、无人机物流、低空旅游等业态提供全链条服务保
特斯拉“擎天柱”人形机器人项目负责人宣布离职 - 天天要闻

特斯拉“擎天柱”人形机器人项目负责人宣布离职

中新网6月7日电(吴家驹)综合外媒报道,特斯拉“擎天柱”(Optimus)人形机器人项目负责人米兰·科瓦奇(Milan Kovac)周五表示,他将离开公司。 科瓦奇在X平台上发文称,“我不得不做出一生中最艰难的决定,我将离开我的职位。我离家太久了,需要花更多的时间和国外的家人在一起。”科瓦奇称,这是“唯一的原因,与其他任何事情...
512GB售价2039元!3840HZ+7550mAh+极窄直屏,红米手机价格亲民了 - 天天要闻

512GB售价2039元!3840HZ+7550mAh+极窄直屏,红米手机价格亲民了

卡顿可以说是很多消费者使用手机时遇到的最为头疼的情况,好在就如今新发布的机型就算是在长时间的使用之下,也并不会让你出现如此的情况,这就比如说红米Turbo 4 Pro这款机型就是如此,这款机型不仅性能狂飙、续航超长,更有旗舰级配置和贴心细节