Тұрақты диффузия нені білдіреді және ол не үшін қажет?

Ғалам жасанды интеллект соңғы жылдары үлкен секіріс жасады, бұл кез келген адамға техникалық біліміне немесе көркемдік тәжірибесіне қарамастан қарапайым сөз тіркестерінен әсерлі бейнелер жасау. Тұрақты диффузия, генеративті AI саласындағы ең революциялық және танымал әзірлемелердің бірі, тәжірибе жасағысы келетіндер үшін де, дизайн және иллюстрация мамандары үшін де қуатты құралдарды саусақ ұшына қояды.

Бұл нұсқаулықта біз сізге тұрақты диффузия туралы толығымен айтамыз. Жаңадан бастаушының алғашқы қадамдарынан бастап, сіздің туындыларыңызды келесі деңгейге көтеретін құралдар, үлгілер және кеңейтімдерге арналған ұсыныстарды қоса, кеңейтілген жедел және өңдеу әдістеріне дейін.

Тұрақты диффузия дегеніміз не және ол неліктен бейнелеуде төңкеріс жасады?

Тұрақты диффузия Бұл терең оқыту әдістерін қолдана отырып, кескін жасауды демократияландырған ашық бастапқы көзді жасанды интеллект үлгісі. Жаңашыл дизайнының арқасында, қарапайым мәтіндік сипаттаманы (шақыруды) керемет кескіндерге түрлендіруге мүмкіндік береді, егжей-тегжейлі және жоғары сапалы. Қай жерде болсаңыз да, оның қозғалтқышын ештеңе төлемей пайдалана аласыз, оны қалаған жеріңізге орната аласыз, тіпті оны қажеттіліктеріңізге сай жаңарта аласыз, бұл оны басқа коммерциялық және жабық шешімдерден ерекшелендіреді.

Тұрақты диффузияның жұмысы мынаған негізделген диффузиялық модель: Ол өлі теледидар сияқты кездейсоқ шудан басталады және мәтінді басшылыққа алатын бірнеше қадамдар мен нақтылаулар арқылы үйлесімді және көрнекі түрде тартымды кескін жасағанша бұл шуды жояды.

Бұл мүмкіндік оны а суретшілер, мазмұн жасаушылар, әзірлеушілер және үй пайдаланушылары үшін тамаша таңдау дәстүрлі бейнелерден асып кеткісі келетіндер. Оның ашық бастапқы коды шексіз теңшеуге, өзіңіздің құралдарыңызбен біріктіруге және жергілікті генерацияға, егер қаласаңыз, үшінші тарап серверлеріне немесе ай сайынғы төлемдерге сенбестен есік ашады.

Тұрақты диффузиямен не істей аласыз?

Тұрақты диффузиялық қолданбалар жай ғана мәтіннен кескін жасаумен шектелмейді. Жасанды интеллект суреттерді нөлден ғана жасап қоймайды, бірақ сонымен бірге:

• Бар суреттерді өңдеу: Фотосуретті жүктеп салуға және одан нысандарды қосуды, мәліметтерді жоюды немесе стильді өзгертуді сұрауға болады.
• Сырлау: композицияның жиектерін шақыруда берген анықтамалардан ұзартады.
• Арнайы аймақтарды толтыру (бояу): Қолды бекіту, өңді өзгерту немесе бет әлпетін жақсарту сияқты таңдалған кескіннің бір бөлігін ғана өзгертіңіз.
• Суреттерді түрлендіру (img2img): Тұрақты диффузия оны басқа стильде қайта түсіндіруі, жарықтандыруды немесе түстерді өзгертуі үшін нақты кескінді сілтеме ретінде пайдалануға болады...
• Көркем стильдерді біріктіру: Ол әртүрлі әдістер мен сілтемелерді (мысалы, классикалық өнер, аниме, фотореализм және т.б.) бір нұсқада араластырады.

Бұл әмбебаптығы оны цифрлық шығармашылық, иллюстрация, графикалық дизайн және тіпті бейне ойындар, маркетингтік науқандар үшін ресурстарды жасау немесе AI шектеулерін зерттеу үшін тамаша серіктес етеді.

Тұрақты диффузия ішкі жағынан қалай жұмыс істейді?

Тұрақты диффузия мынадан туындайды миллиондаған суреттерді оқыту AI мәтіндік түсініктерді визуалды үлгілермен байланыстыруды үйренетін үлкен деректер жинақтарының (мысалы, LAION-5B) арқасында. Модель белгілі нәрсені пайдаланады диффузиялық модель: алдымен суретті шуға айналдыру арқылы бұзады, содан кейін пайдаланушы енгізген мәтін негізінде оны нөлден қайта құруды үйренеді.

Әр қадам сайын модель кескінді нақтылайды, шуды азайту және бөлшектер деңгейін арттыру, нәтиже біз сипаттаған оқиғаға жақындағанша. Сонымен қатар, Тұрақты диффузия көріністің нақты элементтеріне басымдық беру (немесе әлсірету), стильдерді басқару және қажетсіз нәтижелерді болдырмау үшін белгілі бір сөздердің «салмасын» модуляциялауға мүмкіндік береді.

La жобаның тұрақты эволюциясы және оның кодқа ашықтығы әлдеқайда шынайы немесе нақты нәтижелерге қол жеткізу үшін жаңа үлгілер, стильдер мен әдістер сияқты сансыз нұсқалардың пайда болуына және қауымдастықтың жақсартуларына мүмкіндік берді.

Тұрақты диффузия басқа құралдармен салыстырғанда қандай артықшылықтарды ұсынады?

Тұрақты диффузияның негізгі айырмашылығы оның еркін және ашық бастапқы коды. MidJourney немесе DALL-E сияқты басқа үлгілерден айырмашылығы, оны өз компьютеріңізде іске қосуға, оны серверлерге орнатуға, жаңа нәрселерді көруге және оны өз қалауыңыз бойынша өзгертуге болады. Басқа маңызды артықшылықтарға мыналар жатады:

• Тегін (премиум платформалардан басқа): Сіз премиум серверлерді таңдамайынша немесе өте нақты кеңейтілген мүмкіндіктерге қол жеткізгіңіз келмесе, көптеген веб-қызметтерді және жергілікті орнатуды тегін пайдалана аласыз.
• Құпиялылық: Бұлттық деректерге немесе баяу қосылымдарға қатысты мәселелерді болдырмай, кескіндерді жүйеден шықпай-ақ жасауға болады.
• Модульдік және теңшеу: шексіз теңшелетін үлгілерді, стильдерді, кеңейтімдерді және қауымдастық әзірлеген ресурстарды қолдайды.
• Сапа және егжей-тегжейлі: Модельдердің соңғы буыны (SDXL, Juggernaut, Realistic Vision және т.

Осыған байланысты кейбір осал тұстарды немесе күтпеген мәселелерді де атап өту керек. Ең бастысы, тұрақты диффузияны көрсететінін атап өткен жөн басқа шешімдерге қарағанда тік оқу қисығы коммерциялық. 

Жұмысты бастау: Тұрақты диффузияны жергілікті түрде орнату және конфигурациялау

Тұрақты диффузияны компьютерге орнату оңайырақ, әсіресе танымал интерфейспен Автоматты 1111, бұл процесті Windows үшін мүмкіндігінше жеңілдеткен.

1. Ресми репозиторийіне өтіңіз GitHub жүйесінде автоматты 1111, «активтер» бөлімін іздеп, орнатушыны (.exe) жүктеп алыңыз.
2. Жүктелген файлды іске қосыңыз. Орнату процесі компьютердің жылдамдығына байланысты біраз уақыт алуы мүмкін.
3. Аяқтаған кезде жұмыс үстелінде немесе тағайындалған қалтада «A1111 WebUI» деп аталатын таңбаша болады. Екі рет басу браузеріңізде графикалық интерфейсті ашады, жасауды бастауға дайын.
4. Интерфейс пен кеңейтімдер үшін автоматты жаңартуларды, сондай-ақ компьютеріңіздің қуаттылығы төмен болса, «төмен VRAM» опциясын қосуды ұсынамыз.

Mac немесе Linux пайдалансаңыз, олардың ашық бастапқы репозитарийлерінен Stable Diffusion орнатуға арналған арнайы нұсқаулықтар бар.

Тұрақты диффузияда тиімді шақыруларды қалай жазуға болады: құрылым, синтаксис және кеңестер

Суреттеріңіздің сәттілігі толығымен дерлік жеделдетуге байланысты. Жақсы құрылым кәсіби нәтижелерге қол жеткізуге мүмкіндік береді және анық емес сипаттамалармен жасалғандардан өте ерекшеленеді.

Ұсынылған нұсқау мынаны көрсетуі керек:

• Сурет түрі: фотосурет, сурет, иллюстрация, 3D рендеринг және т.б.
• Тақырыбы: Суретте кім пайда болады (адам, жануар, зат…), сіз қалаған барлық мәліметтермен (жасы, ұлты, көрінісі, т.б.)
• Әрекет: ол жігіт не істеп жатыр.
• Мәтінмән/сценарий: көрініс қай жерде, жарықтандыру, жыл мезгілі, басым түстер және т.б.
• Модификаторлар: кескіндеме стилі, объектив пен камера, күн уақыты, түстер палитрасы, анықтамалық суретшілер, ажыратымдылық, сапа, боке, бұлыңғыр, текстура сияқты арнайы эффектілер...

Para теріс шақырулар, жай ғана суретке ҚАЛМАЙТЫН мүмкіндіктердің барлығын қосыңыз: «бұлыңғыр, ұсқынсыз, деформацияланған қолдар, тым көп саусақтар, мәтін, су белгілері, төмен ажыратымдылық, дұрыс емес пропорциялар, ауру, қайталану...» және нәтижеде сізді алаңдататын басқа нәрсе.

Тұрақты диффузияда сұрауларды қалай жақсартуға болады?

Ең жақсы нәтижеге жету үшін мына кеңестерді орындаңыз. Салмақтарды және бағдарламалауды дұрыс реттеген жөн. Тұрақты диффузия белгілі бір сөздерге азды-көпті мән беруге мүмкіндік береді синтаксисті қолдану «сөз: фактор». «Фактор» сөзі неғұрлым жоғары болса, бұл термин соғұрлым өзекті болады; Сөздің немесе ұғымның салмағын одан әрі арттыру үшін қосымша жақшаларды пайдалануға болады.

Сонымен қатар, синтаксиске негізделген жедел бағдарламалау идеяларды немесе стильдерді бір кескінде біріктіруге мүмкіндік береді, бір тұжырымдамадан екіншісіне сіз анықтаған қадамдарды орындаңыз.

Егер сіз кептеліп қалсаңыз немесе жылдам шабыт іздесеңіз, Lexica, Civitai немесе Stable Diffusion сияқты платформалар AI арқылы жасалған кескіндерді сүйреп апаруға және оларды жасау үшін пайдаланылатын нақты нұсқауды көруге мүмкіндік береді.

Гиперреалистік және көркем бейнелер үшін ең жақсы тұрақты диффузиялық модельдер

Тұрақты диффузиялық ғалам оның негізгі үлгілерінен әлдеқайда кең. Қазіргі уақытта фотореализм, аниме, техникалық иллюстрация және т.б. сияқты нақты стильдерге бейімделген көптеген пайдаланушы үлгілері (бақылау нүктелері) бар. Ең танымал және ұсынылатындардың кейбірі:

SD 1.5 үлгілері:

• Джуггернаут Рборн: Шынайы тері, сараланған фон және табиғи түс бойынша маман. Жылы, RAW стиліндегі нәтижелер.
• Realistic Vision v5.1: Портреттерді, эмоцияларды және бет-әлпет бөлшектерін тамаша меңгеру. Фондар мен тақырыптарда өте теңдестірілген.
• Мен бұл фотосурет емес екеніне сене алмаймын: Жан-жақты, жарықтандыруда және бұрыштарда тамаша. Портреттер мен әртүрлі тақырыптар үшін өте қолайлы.
• Фотон V1: Сапа мен әмбебаптық арасындағы теңгерім, әсіресе адами тақырыптар үшін.
• Шынайы фотосурет: Өте жылтыратылған, тері дақтары жоқ каталог стиліндегі суреттер.
• aZovya Photoreal: Белгілі емес, бірақ керемет нәтижелер береді және басқа модельдермен әдістерді біріктіру үшін пайдаланылуы мүмкін.

SDXL үлгілері (соңғы буын):

• Juggernaut XL (x): Кинематографиялық композиция, портреттерде тамаша және ұзақ сұрауларды түсіну.
• RealVisXL: Терідегі шынайы кемшіліктерді, текстураларды және тонды өзгертулерді жасауда теңдесі жоқ.
• HelloWorld XL v6.0: Ол аналогтық тәсілді, жақсы дене пропорциясын және винтажды эстетиканы әкеледі. Күрделі сұраулар үшін GPT4v тегтерін пайдаланыңыз.
• Құрмет белгілері: PhotoPedia XL, Realism Engine SDXL, Fully Real XL (аз ағымдағы, бірақ әлі де жарамды).

Осы үлгілердің барлығын репозиторийлерден тегін жүктеп алуға болады, мысалы Civitai, және тұрақты диффузия интерфейсінде пайда болу үшін оларды сәйкес қалтаға жай ғана орналастырыңыз.

Тұрақты диффузияда пайдаланушы үлгілерін орнату және басқару жолы

Жаңа үлгіні жүктеп алу оңай:

1. Civitai сияқты репозиторийлерге қол жеткізіңіз және «Бақылау нүктелері» бойынша сүзіңіз.
2. Қалаған үлгіні таңдаңыз (қосымша қауіпсіздік үшін оның .safetensor кеңейтімі бар екеніне көз жеткізіңіз).
3. Файлды жүктеп алып, оны /stable-diffusion-webui/models/Stable-diffusion жолына көшіріңіз.
4. Интерфейсті қайта іске қосып, «Бақылау нүктесі» тақтасынан үлгіні таңдаңыз.

Тұрақты диффузиямен шынымен керемет кескіндерге қол жеткізуге арналған кәсіби кеңестер

Тұрақты диффузияны меңгеру тәжірибе жасауды, нәтижелерден үйренуді және техника мен қиялды жетілдіруді қамтиды:

• Ендірмелермен ойнау: Кескіндердің эстетикасын дәл баптау үшін үлгі жасаушылар ұсынған ендірулерді қолданып көріңіз (мысалы, BadDream, UnrealisticDream, FastNegativeV2, JuggernautNegative-neg). Енгізулер қолдар, көздер және т.б. сияқты мүмкіндіктерді реттеуге мүмкіндік береді.
• Бет мәліметтерінің кеңейтімдерін пайдаланыңыз: A1111 үшін Adetailer кеңейтімі немесе ComfyUI жүйесіндегі Face Detailer Pipe түйіні беттер мен қолдарда мінсіз нәтижелерге қол жеткізуге көмектеседі, әсіресе шынайы портреттер үшін пайдалы.
• Перфекционистерге арналған ControlNets: Қолдарыңыз, позаларыңыз немесе денелеріңіз қажет болса, композицияларыңызды дәл баптау үшін ControlNet әртүрлі түрлерін зерттеңіз.
• Сынақ және қате: Бірінші сурет мінсіз болады деп күтпеңіз; Ең бастысы - қажетті сапаға қол жеткізгенше қайталау, сұрауларды өзгерту және негативтерді реттеу.
• Сұрау құрылымына назар аударыңыз: Қарама-қайшылықтардан аулақ болыңыз (мысалы, бір сөйлемдегі «ұзын шаш» және «қысқа шаш») және түпкілікті кескінде көбірек салмақ алатын тұжырымдамаларға басымдық беріңіз.

Тұрақты диффузияның мүмкіндіктеріне осы турдан кейін AI біздің жасау жолымызда төңкеріс жасайтыны анық, барған сайын таңқаларлық, кәсіби және табиғи нәтижелермен эксперимент және кескіндерді түрлендіру. Егер сіз цифрлық шығармашылыққа қызығушылық танытсаңыз, AI визуалды генерациясының әлемін зерттеудің жақсы уақыты жоқ: жақсы жылдам, дұрыс құрал және аздап тәжірибе арқылы кез келген адам қарапайым эскиздерден бастап кәсіби фотосуреттен айырмашылығы жоқ гиперреалистикалық композицияларға дейін өзі елестеткен кескіндерді өмірге әкеле алады.