Stable Diffusion 3.5 bietet eine bessere Leistung und die richtige Anzahl an Gliedmaßen
Stability, das KI-Startup hinter dem beliebten Bildgenerator Stable Diffusion, hat eine neue Generation von Modellen angekündigt, die anpassbarer und vielseitiger sind und gleichzeitig „vielfältigere“ und repräsentativere Inhalte ausgeben.
Der neue Stable Diffusion 3.5 ist in drei Varianten erhältlich: Large, Large Turbo und Medium. Stable Diffusion 3.5 Large taktet mit 8 Milliarden Parametern und ist in der Lage, Bilder mit einer Auflösung von bis zu einem Megapixel zu erzeugen. Stable Diffusion 3.5 Large Turbo verfügt über die gleichen Funktionen wie Large, erzeugt jedoch Bilder schneller, allerdings auf Kosten der Qualität.
Stable Diffusion 3.5 Medium hingegen ist für die Ausführung auf Edge-Geräten wie Laptops, Tablets und Smartphones konzipiert. Es kann Bilder in verschiedenen Größen von einem Viertel MP bis zu 2 MP erzeugen. Die Versionen Large und Large Turbo sind ab heute erhältlich, während Medium Ende des Monats, am 29. Oktober, erhältlich sein wird.
SD 3.5 verspricht eine deutlich verbesserte Leistung gegenüber seinem Vorgänger Stable Diffusion 3.0, der im Juni auf den Markt kam. Die Veröffentlichung von SD3 löste bei der Benutzerbasis Empörung und Enttäuschung aus, da das Modell nicht in der Lage war, Gliedmaßen und Finger genau wiederzugeben, insbesondere bei im Gras liegenden Motiven, sowie wegen der weit verbreiteten Artefakte und der Schwierigkeit, der gegebenen Aufforderung zu folgen.
Das Unternehmen räumt ein, dass SD3 „unseren Standards oder den Erwartungen unserer Community nicht vollständig entsprochen“ hat, betont jedoch, dass „Stable Diffusion 3.5 unser Engagement widerspiegelt, Bauherren und Entwicklern Tools zur Verfügung zu stellen, die allgemein zugänglich, hochmodern und für die meisten Anwendungsfälle kostenlos sind.“ ."
Das neue 3.5-Modell wurde auch darauf trainiert, vielfältigere Bilder von Menschen zu erzeugen und „Bilder zu erstellen, die die Welt repräsentieren, nicht nur einen Personentyp, mit unterschiedlichen Hauttönen und Merkmalen“, und ohne dass umfangreiche Eingabeaufforderungen erforderlich sind.
„Während des Trainings wird jedes Bild mit mehreren Versionen von Eingabeaufforderungen beschriftet, wobei kürzere Eingabeaufforderungen Vorrang haben“, sagte Hanno Basse, CTO von Stability, gegenüber TechCrunch. „Dies gewährleistet eine breitere und vielfältigere Verbreitung von Bildkonzepten für jede Textbeschreibung. Wie die meisten generativen KI-Unternehmen trainieren wir auf der Grundlage einer Vielzahl von Daten, einschließlich gefilterter öffentlich verfügbarer Datensätze und synthetischer Daten. ”
Ob dies zu den gleichen Problemen führt wie Google im Februar, als der Bildgenerator von Gemini anfing, „historisch ungenau“ (sprich: schwarze Nazi-Soldaten) auszuspucken, bleibt abzuwarten. „Die KI-Bildgenerierung von Gemini generiert tatsächlich ein breites Spektrum an Menschen“, heißt es in einer im Februar auf Twitter veröffentlichten Google-Erklärung. „Das ist im Allgemeinen eine gute Sache, weil Menschen auf der ganzen Welt es nutzen. Aber hier fehlt das Ziel. ”
Wenn Sie Stable Diffusion 3.5 selbst ausprobieren möchten, stehen derzeit sowohl Large als auch Large Turbo zum Download bei Hugging Face zur Verfügung. Den Inferenzcode finden Sie auf GitHub.
Quelle: Stabilitäts-KI, TechCrunch