Stable Diffusion
.webp) Obraz wygenerowany przez Stable Diffusion 3.5 | |
| Autor | Stability AI |
|---|---|
| Pierwsze wydanie | 22 sierpnia 2022 |
| Język programowania | Python |
| Licencja | Stability AI Community License |
| Strona internetowa | |
Stable Diffusion – generator obrazu z tekstu oparty na uczeniu głębokim. Narzędzie jest udostępnione w formie kodu źródłowego i pozwala na nie tylko generowanie obrazów z tekstu ale też naprawianie uszkodzonych obrazów[1] i rozszerzanie obrazu poza jego oryginalne granice (ang. outpainting)[2].
Kod i wagi modelu są dostępne publicznie i może działać na komputerach z co najmniej 8 GB pamięci GPU[3]. Podczas swojego opublikowania w 2022 stanowił alternatywę dla podobnych dużych modeli generowania obrazu jak DALL-E czy Midjourney, które działają na zasadzie usługi SaaS[4][5].
Stable Diffusion jest oparty na LDM, jednym z modeli dyfuzyjnych[6] opracowanych na Uniwersytecie Monachijskim[7].
Technologia
Stable Diffusion trenowano na parach obrazów i podpisów pobranych z LAION-5B, publicznie dostępnego zestawu danych z 5 miliardami par obraz-tekst[8].
Model trenowano przy użyciu 256 procesorów graficznych Nvidia A100 w Amazon Web Services, co łącznie zajęło 150 000 godzin pracy procesora graficznego, a koszt wyniósł 600 000 USD[9].
Przypisy
- ↑ Javier Conde i inni, How Stable is Stable Diffusion under Recursive InPainting (RIP)?, arXiv, 27 czerwca 2024, DOI: 10.48550/arXiv.2407.09549 [dostęp 2025-04-15].
- ↑ Fu-Yun Wang i inni, Be-Your-Outpainter: Mastering Video Outpainting through Input-Specific Adaptation, arXiv, 20 marca 2024, DOI: 10.48550/arXiv.2403.13745 [dostęp 2025-04-16].
- ↑ CompVis/stable-diffusion, CompVis - Computer Vision and Learning LMU Munich, 15 kwietnia 2025 [dostęp 2025-04-15].
- ↑ James Vincent, Anyone can use this AI art generator — that’s the risk [online], The Verge, 15 września 2022 [dostęp 2025-04-15] (ang.).
- ↑ The new killer app: Creating AI art will absolutely crush your PC | PCWorld [online], web.archive.org, 31 sierpnia 2022 [dostęp 2025-04-15] [zarchiwizowane z adresu 2022-08-31].
- ↑ Michał Kalinowski, Czy, komu i w jakim zakresie przysługują prawa do wytworów generatywnej sztucznej inteligencji? Analiza prawna z perspektywy warunków użytkowania MidJourney, „PRAWO i WIĘŹ” (1 (48)), 2024, s. 259–280, DOI: 10.36128/PRIW.VI48.792, ISSN 2719-3594 [dostęp 2025-04-15] (pol.).
- ↑ Robin Rombach, Andreas Blattmann, Dominik Lorenz, Patrick Esser, Björn Ommer, High-Resolution Image Synthesis With Latent Diffusion Models [online], 2022, s. 10684–10695 [dostęp 2025-04-15] (ang.).
- ↑ Andy Baio, Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator [online], Waxy.org, 30 sierpnia 2022 [dostęp 2025-04-15] (ang.).
- ↑ CompVis/stable-diffusion-v1-4 · Hugging Face [online], huggingface.co [dostęp 2025-04-15].
Content Disclaimer
Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.
- The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
- There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
- It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
- Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
- Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.