Stable Diffusion 團隊放大招！新繪畫模型直出 AI 海報，像素級生成_STA:DEEPSPACE

來源：量子位

開源AI繪畫扛把子，StableDiffusion背后公司StabilityAI再放大招！

全新開源模型DeepFloydIF，一下獲星2千+并登上GitHub熱門榜。

DeepFloydIF不光圖像質量是照片級的，還解決了文生圖的兩大難題：

準確繪制文字。

以及準確理解空間關系。

Starknet Alpha v0.11.0已上線主網:3月30日消息，Starknet 官方宣布，Starknet Alpha v0.11.0 已上線主網。[2023/3/30 13:36:02]

網友表示，這可是個大事，之前想讓Midjourneyv5在霓虹燈招牌上寫個字AI都是瞎劃拉兩筆，對于鏡子理解的也不對。

使用DeepFloydIF，可以把指定文字巧妙放置在畫面中任何地方。

Alchemy 宣布支持以太坊擴容方案 StarkNet:3月8日消息，Alchemy 和 StarkWare宣布達成戰略合作伙伴關系，Alchemy將支持以太坊擴容方案 StarkNet。通過此次合作，StarkNet 預計將有更多的開發人員能夠使用 Alchemy 的全套專有平臺基礎設施技術開始在鏈上進行構建，而S??tarkNet 為用戶提供了更高的吞吐量和比 1 層低 100 倍的 gas 費用。[2022/3/8 13:43:43]

霓虹燈招牌、街頭涂鴉、服飾、手繪插畫，文字都會以合適的字體、風格、排版出現在合理的地方。

這意味著，AI直出商品渲染圖、海報等實用工作流程又打通一環。

波卡生態多鏈智能合約平臺 ParaState 完成 500 萬美元戰略融資:4月9日消息，波卡生態多鏈智能合約平臺 ParaState 宣布完成由 KNS Group 領投的 500 萬美元戰略融資，參投方包括 Alameda Research、Signum Capital、HyperChain Capital、BiXin Ventures、Genesis Block Ventures、Inclusion Capital、Gate.io Labs、ZMT Capital、Polkastarter、DAO Maker、DuckDAO、Moonwhale Ventures、Chronos Ventures、Master Ventures、Lotus Capital、Momentum6、Taureon、GenBlock Capital、DDC、Blocksync Ventures、GFS Ventures、Gainz Associates、Titans Ventures、4SV、WWG、1Cap、PAKA、Exstvc 和 AKG Ventures。

CMS Holdings 和 SevenX Ventures 等種子輪投資者繼續跟投。[2021/4/9 20:03:11]

還在視頻特效上開辟了新方向。

金色財經現場報道 Blockstack推出全球首個dapp商店:金色財經現場報道，今日在Coindesk 2018共識會議上，Blockstack聯合創始人Ryan Shea表示希望創建一個分散的網絡（互聯網3.0）。Blockstack聯合創始人Ryan Shea宣布推出全世界第一個dapp商店——App.co。[2018/5/16]

目前DeepFloydIF以非商用許可開源，不過團隊解釋這是暫時的，獲得足夠的用戶反饋后將轉向更寬松的協議。

比特幣在Bitstamp跌破9000美元大關:目前在Bitstamp平臺，比特幣在2017年11月26日后首次跌破9000美元關口。目前比特幣價格已跌至8880美元，跌幅高達12.50%。[2018/2/2]

有需求的小伙伴可以抓緊反饋起來了。

像素級圖像生成

DeepFloydIF仍然基于擴散模型，但與之前的StableDiffusion相比有兩大不同。

負責理解文字的部分從OpenAI的CLIP換成了谷歌T5-XXL，結合超分辨率模塊中額外的注意力層，獲得更準確的文本理解。

負責生成圖像的部分從潛擴散模型換成了像素級擴散模型。

也就是擴散過程不再作用于表示圖像編碼的潛空間，而是直接作用于像素。

官方還提供了一組DeepFloydIF與其他AI繪畫模型的直觀對比。

可以看出，使用T5做文本理解的谷歌Parti和英偉達eDiff-1也都可以準確繪制文字，AI不會寫字這事就是CLIP的鍋。

不過英偉達eDiff-1不開源，谷歌的幾個模型更是連個Demo都不給，DeepFloydIF就成了更實際的選擇。

具體生成圖像上DeepFloydIF與之前模型一致，語言模型理解文本后先生成64×64分辨率的小圖，再經過不同層次的擴散模型和超分辨率模型放大。

在這種架構上，通過把指定圖像縮小回64×64再使用新的提示詞重新執行擴散，也實現以圖生圖并調整風格、內容和細節。

并且不需要對模型做微調就可直接實現。

另外，DeepFloydIF的優勢還在于，IF-4.3B基礎模型是目前擴散模型中U-Net部分有效參數是最多的。

在實驗中，IF-4.3B取得了最好的FID分數，并達到SOTA。

誰是DeepFloyd

DeepFloydAIResearch是StabilityAI旗下的獨立研發團隊，深受搖滾樂隊平克弗洛伊德影響，自稱為一只“研發樂隊”。

主要成員只有4人，從姓氏來看均為東歐背景。

這次除了開源代碼外，團隊在HuggingFace上還提供了DeepFloydIF模型的在線試玩。

我們也試了試，很可惜的是目前對中文還不太支持。

原因可能是其訓練數據集LAION-A里面中文內容不多，不過既然開源了，相信在中文數據集上訓練好的變體也不會太晚出現。

OneMoreThing

DeepFloydIF并不是StabilityAI昨晚在開源上的唯一動作

語言模型方面，他們也推出了首個開源并引入RLHF技術的聊天機器人StableVicuna，基于小羊駝Vicuna-13B模型實現。

目前代碼和模型權重已開放下載。

完整的桌面和移動界面也即將發布。

DeepfloydIF在線試玩：

https://huggingface.co/spaces/DeepFloyd/IF

代碼：

https://github.com/deep-floyd/IF

StableVicuna在線試玩：

https://huggingface.co/spaces/CarperAI/StableVicuna

權重下載：

https://huggingface.co/CarperAI/stable-vicuna-13b-delta

參考鏈接：

https://deepfloyd.ai/deepfloyd-if

https://stability.ai/blog/deepfloyd-if-text-to-image-model

https://stability.ai/blog/stablevicuna-open-source-rlhf-chatbot

https://stable-diffusion-art.com/how-stable-diffusion-work/

Tags：STADEEPFLOPFLbitstamp行情DEEPSPACEREDFLOKI幣PFL價格

以太坊交易所