Stable Diffusion 3.5 è disponibile con prestazioni migliori e il giusto numero di arti
Stability, la startup AI dietro il popolare generatore di immagini Stable Diffusion, ha annunciato una nuova generazione di modelli progettati per essere più personalizzabili e versatili e allo stesso tempo produrre contenuti più "diversi" e rappresentativi.
La nuova Stable Diffusion 3.5 viene resa disponibile in tre varianti: Large, Large Turbo e Medium. Stable Diffusion 3.5 Large ha un clock di 8 miliardi di parametri ed è in grado di generare immagini con una risoluzione fino a un megapixel. Stable Diffusion 3.5 Large Turbo ha le stesse funzionalità di Large, sebbene generi immagini più rapidamente a scapito di una certa qualità.
Stable Diffusion 3.5 Medium, d'altra parte, è progettato per funzionare su dispositivi edge, come laptop, tablet e smartphone. Può generare immagini in una varietà di dimensioni da un quarto di MP fino a 2 MP. Da oggi sono disponibili le versioni Large e Large Turbo, mentre la Medium arriverà a fine mese, il 29 ottobre.
SD 3.5 promette prestazioni notevolmente migliorate rispetto al suo predecessore, Stable Diffusion 3.0, che ha fatto il suo debutto a giugno. Il rilascio di SD3 è stato accolto con indignazione e delusione dalla sua base di utenti a causa dell'incapacità del modello di riprodurre accuratamente arti e dita, in particolare per i soggetti raffigurati sdraiati sull'erba, nonché artefatti dilaganti e la sua difficoltà a seguire il suggerimento fornito.
L'azienda ammette che SD3 non "ha soddisfatto pienamente i nostri standard o le aspettative delle nostre comunità", ma insiste sul fatto che "Stable Diffusion 3.5 riflette il nostro impegno a potenziare costruttori e creatori con strumenti ampiamente accessibili, all'avanguardia e gratuiti per la maggior parte dei casi d'uso. ."
Il nuovo modello 3.5 è stato inoltre addestrato per generare immagini di persone più diversificate, creando "immagini rappresentative del mondo, non solo di un tipo di persona, con diverse tonalità e caratteristiche della pelle" e senza la necessità di suggerimenti estesi.
"Durante la formazione, ogni immagine viene sottotitolata con più versioni di istruzioni, con istruzioni più brevi con priorità", ha dichiarato Hanno Basse, CTO di Stability, a TechCrunch. “Ciò garantisce una distribuzione più ampia e diversificata dei concetti di immagine per ogni descrizione testuale. Come la maggior parte delle aziende di intelligenza artificiale generativa, ci formiamo su un'ampia varietà di dati, inclusi set di dati filtrati disponibili al pubblico e dati sintetici. "
Resta da vedere se questo porti allo stesso tipo di problemi che Google ha dovuto affrontare a febbraio, quando il generatore di immagini di Gemini ha iniziato a sputare "storicamente imprecise" (leggi: soldati nazisti neri). "La generazione di immagini AI di Gemini genera una vasta gamma di persone", si legge in una dichiarazione di Google pubblicata su Twittter a febbraio. “In genere è una buona cosa perché le persone in tutto il mondo lo usano. Ma qui manca il bersaglio. "
Se desideri provare tu stesso Stable Diffusion 3.5, sia Large che Large Turbo sono attualmente disponibili per il download da Hugging Face. Puoi trovare il codice di inferenza su GitHub.
Fonte: Stabilità AI, TechCrunch