Stable Diffusion 3.5 foi lançado com melhor desempenho e o número certo de membros
Stability, a startup de IA por trás do popular gerador de imagens Stable Diffusion, anunciou uma nova geração de modelos que são projetados para serem mais personalizáveis e versáteis, ao mesmo tempo que produzem conteúdo mais “diversificado” e representativo.
O novo Stable Diffusion 3.5 está disponível em três variações: Grande, Grande Turbo e Médio. Stable Diffusion 3.5 Large atinge 8 bilhões de parâmetros e é capaz de gerar imagens com resolução de até um megapixel. Stable Diffusion 3.5 Large Turbo tem os mesmos recursos do Large, embora gere imagens mais rapidamente ao custo de alguma qualidade.
O Stable Diffusion 3.5 Medium, por outro lado, foi projetado para rodar em dispositivos de ponta, como laptops, tablets e smartphones. Ele pode gerar imagens em vários tamanhos, de um quarto de MP a 2 MP. As versões Grande e Grande Turbo estão disponíveis hoje, enquanto a Média chegará no final do mês, no dia 29 de outubro.
SD 3.5 promete desempenho significativamente melhorado em relação ao seu antecessor, Stable Diffusion 3.0, que estreou em junho. O lançamento do SD3 foi recebido com indignação e decepção por sua base de usuários devido à incapacidade do modelo de renderizar membros e dedos com precisão, especialmente para assuntos retratados deitados na grama, bem como artefatos desenfreados e sua dificuldade em seguir o prompt fornecido.
A empresa admite que o SD3 não “atendeu totalmente aos nossos padrões ou às expectativas das nossas comunidades”, mas insiste que “o Stable Diffusion 3.5 reflete o nosso compromisso de capacitar construtores e criadores com ferramentas que são amplamente acessíveis, de ponta e gratuitas para a maioria dos casos de uso”. ."
O novo modelo 3.5 também foi treinado para gerar imagens mais diversas de pessoas, criando “imagens representativas do mundo, não apenas de um tipo de pessoa, com diferentes tons de pele e características”, e sem a necessidade de instruções extensas.
“Durante o treinamento, cada imagem é legendada com múltiplas versões de prompts, com prompts mais curtos priorizados”, disse Hanno Basse, CTO de Estabilidade, ao TechCrunch. “Isso garante uma distribuição mais ampla e diversificada de conceitos de imagem para qualquer descrição de texto. Como a maioria das empresas de IA generativa, treinamos com uma ampla variedade de dados, incluindo conjuntos de dados filtrados publicamente disponíveis e dados sintéticos. ”
Resta saber se isso leva aos mesmos tipos de problemas que o Google enfrentou em fevereiro, quando o gerador de imagens do Gemini começou a cuspir "historicamente imprecisos" (leia-se: soldados nazistas negros). “A geração de imagens de IA do Gemini gera uma ampla gama de pessoas”, diz um comunicado do Google postado no Twitter em fevereiro. “Isso geralmente é bom porque pessoas ao redor do mundo o usam. Mas está errando o alvo aqui. ”
Se você quiser experimentar o Stable Diffusion 3.5, tanto o Large quanto o Large Turbo estão disponíveis para download no Hugging Face. Você pode encontrar o código de inferência no GitHub.
Fonte: Estabilidade AI, TechCrunch