火星網校
OpenAI救了Stable Diffusion！開源Dall·E3同款解碼器
發(fā)布時間：2023-11-11 13:21:21 瀏覽量：106次
生成人臉/文字/線條可更穩(wěn)定
明敏 發(fā)自 凹非寺
|
沒想到，OpenAI撈了“競對”Stable Diffusion一把。
在熱火朝天的“AI春晚”上，OpenAI一口氣開源兩項工作，其中之一一致性解碼器，專門面向SD的VAE模型。
它能讓圖像生成質量更高、更穩(wěn)定，比如多人臉、帶文字圖像以及線條控制方面。
大V博主分析這個解碼器應該是Dall·E 3同款，在GitHub項目頁上OpenAI也提供了Dall·E 3論文。
它具體支持的版本是Stable Diffusion 1.4/1.5。
項目頁上只放了一個例子，具體怎么訓練沒有寫，被網友稱為“人狠話不多式開源”。
你們直接加載使用就好。
而且這個一致性解碼器頗有淵源。
它來自OpenAI聯創(chuàng)及首席科學家Ilya、OpenAI華人新星宋飏等人提出的一致性模型（Consistency Models）。
上半年這個模型開源時就引發(fā)業(yè)內震動，被評為能“終結擴散模型”。
就在前不久，宋飏等人還對模型訓練方法做了優(yōu)化，能進一步提升圖像生成質量。
開發(fā)者日的另一項重磅開源是語音大模型Whisper 3。它同樣出自傳奇人物之手，一作Alec Radford對GPT系列的構建起到了重要作用。
網友們不禁感慨：還是愛看OpenAI開源啊，期待繼續(xù)開放更多模型。
一致性模型完成再進化
先來看最初名震江湖的第一版一致性模型（Consistency Models）。
它旨在解決擴散模型通過逐步迭代、導致圖像生成緩慢的問題。僅需3.5秒即可生成64張左右256×256的圖像。
相比擴散模型，它主要有兩大優(yōu)勢：
其一，無需對抗訓練（adversarial training），就能直接生成高質量的圖像樣本。
其二，相比擴散模型可能需要幾百甚至上千次迭代，一致性模型只需要一兩步就能搞定多種圖像任務——
包括上色、去噪、超分等，都可以在幾步之內搞定，而不需要對這些任務進行明確訓練。（當然，如果進行少樣本學習的話，生成效果也會更好）
原理上，一致性模型直接把隨機的噪聲映射到復雜圖像上，輸出都是同一軌跡上的同一點，所以實現了一步生成。
論文提出兩種訓練方法，一種是基于一致性蒸餾，利用預訓練的擴散模型生成相鄰數據對，通過最小化模型輸出之間的差異，來訓練一致性模型。
另一種方法是獨立訓練，將一致性模型作為獨立生成模型訓練。
實驗結果表明，一致性模型在一步和少步采樣方面優(yōu)于現有的蒸餾技術，如漸進式蒸餾。
當作為獨立的生成模型進行訓練時，一致性模型可以與現有的一步非對抗生成模型在標準基準測試匯總媲美，如CIFAR-10、ImageNet 64×64和LSUN 256×256。
半年后發(fā)布的第二版論文，對訓練方法進行了優(yōu)化。
它通過優(yōu)化權重函數、噪聲嵌入和dropout，使得一致性模型在不需要依賴學習過的特征，也能達到很好的生成質量。
它改進了權重函數的選擇，使其隨著噪聲水平的增加而減小，這使得在較小噪聲水平處的一致性損失權重更大，從而提升樣本質量。
同時調整了噪聲嵌入層的敏感性，使其降低對微小噪聲差異的敏感性，有助于提高連續(xù)時間一致性訓練的穩(wěn)定性。
并且發(fā)現了在一致性模型中使用較大dropout、移除teacher network中的EMA、將學習過的特征距離（如LPIPS）替換Pseudo-Huber損失函數，都能能進一步提高圖像質量。
One More Thing
回到這次最新開源的解碼器，第一波實測體驗已經來了。
目前看到的一些效果，提升不算明顯，而且不少人反映運行速度慢。
但這還是最早期的測試，后續(xù)或許會有更多提升。
值得一提的是，領銜推出一致性模型的宋飏，年紀輕輕但是已被評為擴散模型圈OG（元老）了。
△來自英偉達AI科學家Jim Fan推特
今年，憑借一致性模型，宋飏也名震江湖。這位大佬16歲就當理科狀元上清華了，關于他的更多故事可戳：OpenAI當紅新星宋飏：最新研究獲評「終結擴散模型」，16歲上清華
論文地址：
[1]https://arxiv.org/abs/2310.14189
[2]https://arxiv.org/abs/2303.01469
熱門課程推薦
熱門資訊
-
想將照片變成漫畫效果？這篇文章分享了4個方法，包括Photoshop、聰明靈犀、VanceAI Toongineer、醒圖，簡單操作就能實現，快來嘗試一下吧！
-
2. 華為手機神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領深V！
最近華為手機Pura70推出的“AI修圖”功能引發(fā)熱議，通過簡單操作可以讓照片中的人物換裝。想了解更多這款神奇功能的使用方法嗎？點擊查看！
-
近年來,人工智能逐漸走入公眾視野,其中的AI圖像生成技術尤為引人注目。只需在特定軟件中輸入關鍵詞描述語以及上傳參考圖就能智能高效生成符合要求的...
-
4. AI視頻制作神器Viggle：讓靜態(tài)人物動起來，創(chuàng)意無限！
Viggle AI是一款免費制作視頻的AI工具，能讓靜態(tài)人物圖片動起來，快來了解Viggle AI的功能和優(yōu)勢吧！
-
5. Logo Diffusion——基于sd繪畫模型的AI LOGO 生成器
這下LOGO設計徹底不用求人了。接下來詳細演示一遍操作流程首先進入Logo D... 想學習更多AI技能,比如說關于怎么樣利用AI來提高生產效率、還能做什么AI...
-
6. 零基礎10分鐘生成漫畫，教大家如何用AI生成自己的漫畫
接下來,我將親自引導你,使用AI工具,創(chuàng)作一本既有趣又能帶來盈利的漫畫。我們將一起探索如何利用這個工具,發(fā)揮你的創(chuàng)意,制作出令人驚嘆的漫畫作品。讓...
-
7. AI顯卡繪畫排行榜:4090無懸念，最具性價比出人意料
在AI繪圖領域，Stable Diffusion的顯卡繪圖性能備受關注。本文整理了Stable Diffusion顯卡的硬件要求和性能表現，以及2023年3月顯卡AI繪圖效率排行榜和性價比排行榜。歡迎查看最新的AI顯卡算力排行榜。
-
以下是一些免費的AI視頻制作網站或工具,幫助您制作各種類型的視頻。 1. Lumen5:Lumen5是一個基于AI的視頻制作工具,可將文本轉換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術效果的作品,讓現實中不懂繪畫的人也能參與其中創(chuàng)作!真的超贊噠~趣趣分享幾款超厲害的AI繪畫軟件,提供詳細操作!有需要的快來...
-
10. 10個建筑AI工具，從設計到施工全覆蓋!肯定有你從來沒聽過的
講述了建筑業(yè)比較著名的AI公司小庫科技做出的探索,在這兒就不多說了。今天,我們試著在規(guī)劃設計、建筑方案設計、住宅設計、管道設計、出渲染圖、3D掃...
最新文章
