Stable Diffusion 2.0来了！

关注公众号，发现CV技术之美

本文转载自机器之心。

如果你想，SD 2.0 能生成分辨率为 2048x2048 甚至更高的图像。

今日，Stability AI 官方宣布，那个爆红 AI 圈的 Stable Diffusion 来到了 2.0 版本（SD 2.0）！上线短短几个小时，点赞量已经很可观了。

项目地址：https://github.com/Stability-AI/stablediffusion

可以说，这波更新速度够快的，就像网友说的，我从未见过任何技术发展如此之快。V1 还没整透彻，V2 就来了。

V1亮相之初，在Github 排行榜，Stable Diffusion 为所有软件中攀升至 10K star 最快的其中之一，在不到两个月的时间内飙升至 33K star。按照这个速度，2.0 版本很快就会赶上。

Stability AI 的产品副总裁兴奋的表示：Stable Diffusion 2.0 是有史以来发布的最强大的开源项目之一。这是迈向创造力、表达能力和沟通民主化的又一大步。

还有网友表示：「离完美不远了。可能是 V5 或 V6 版本」。

「新版本是改变游戏规则的更新。」

与最初的 V1 版本相比，Stable Diffusion 2.0 提供了许多重大改进和特性，具体表现在：

Stable Diffusion 2.0 版本包含一个具有鲁棒性的文本 - 图像模型，在全新的文本编码器 (OpenCLIP) 上训练而成，与早期的 V1 版本相比，文本 - 图像模型大大提高了图像生成质量，可以生成默认分辨率为 512x512 像素和 768x768 像素的图像。

此外，文本 - 图像模型是在 LAION-5B 数据集上训练的，然后使用 NSFW filter 过滤掉一些不可描述的内容。

使用 Stable Diffusion 2.0 生成的图像示例，图像分辨率为 768x768

Stable Diffusion 2.0 还包括一个 Upscaler Diffusion 模型，该模型将生成图像的分辨率提高了 4 倍。具体效果如何呢？例如下图展示的是 Upscaler 将低分辨率生成的图像 (128x128) 升级（upscaling）为更高分辨率的图像(512x512)。现在的图像已经够清晰了，然后在结合上述提到的文本 - 图像模型， 比如将 512x512 像素的图像提高 4 倍，Stable Diffusion 2.0 现在可以将图像升级为分辨率为 2048x2048 甚至更高的图像。

左：128x128 低分辨率图像。右：由 Upscaler 生成的 512x512 分辨率图像

此外，Stable Diffusion 2.0 更新还包括 Depth2img（depth-guided stable diffusion）模型，它扩展了 V1 版本中图像 - 图像的特性，为创意应用提供了全新的可能性。Depth2img 用来推理输入图像的深度，然后使用文本和深度信息生成新图像。

左边为输入图像，右边为新生成的图像，相同的动作，面貌各异。该新模型可用于图像 - 图像结构的保持和形状的合成。

Depth2img 提供了不同创新性应用，虽然生成的图像与原始图像有很大的不同，但仍然保持了图像的连贯性和深度：

Stable Diffusion 2.0 生成的深度 - 图像保持一致性。

最后，Stable Diffusion 2.0 还引入了一个新的 text-guided 修复模型，用户可以非常智能、快递的切换图像部分内容，如下图中豹子的嘴巴和鼻子是不变的，其他部分可以随意改变。

研究者表示，他们正在努力优化模型以在单个 GPU 上运行，让尽可能多的人可以使用。

参考链接：https://stability.ai/blog/stable-diffusion-v2-release

END

欢迎加入「计算机视觉」交流群