Zobrazení zdroje stránky Stable Diffusion

{{Srozumitelnost}}
{{sloh|komentář=silné pozůstatky strojového překladu}}
{{pravopis}}
{{Infobox - software
| licence = Creative ML OpenRAIL-M
| jméno = Stable Diffusion
| vývojář = Stability AI
| první vydání = [[22. srpen|22. srpna]] [[2022]]
| operační systém = Všechny, které podporují jádra CUDA
| programovací jazyk = [[Python]]
| typ softwaru = <!-- Text-do-obrázku model -->
| web = [https://stability.ai/ stability.ai]
| aktuální verze = SDXL 1.0 (model)<ref name="release-sdxl1.0">{{cite web|url=https://stability.ai/blog/stable-diffusion-sdxl-1-announcement|title=Announcing SDXL 1.0|website=stability.ai|archive-date=July 26, 2023|archive-url=https://web.archive.org/web/20230726215239/https://stability.ai/blog/stable-diffusion-sdxl-1-announcement|url-status=live}}</ref>
}}

'''Stable Diffusion''' je model [[Hluboké učení|hlubokého učení]] převádějící text na obraz, který byl uveden na trh v roce [[2022]] na základě techniky [[Difuze|difúze]]. Je primárně určen k generování podrobných obrázků na základě popisů textu, ale lze jej také použít k dalším úkolům, jako je [[inpainting]], [[outpainting]] a generování překladů obrazu k textovému zadání. Byl vyvinut výzkumníky z CompVis Group na [[Ludwig Maximilian University]] v [[Mnichov|Mnichově]] a Runway s výpočetním příspěvkem od Stability AI a trénovacími daty poskytnutými neziskovými organizacemi.<ref name="sifted_financialtimes2">{{cite web|title=Leaked deck raises questions over Stability AI's Series A pitch to investors|url=https://sifted.eu/articles/stability-ai-fundraise-leak|access-date=2023-06-20|website=sifted.eu|archive-date=June 29, 2023|archive-url=https://web.archive.org/web/20230629201917/https://sifted.eu/articles/stability-ai-fundraise-leak|url-status=live}}</ref><ref name="lmu_lauch2">{{cite web|title=Revolutionizing image generation by AI: Turning text into images|url=https://www.lmu.de/en/newsroom/news-overview/news/revolutionizing-image-generation-by-ai-turning-text-into-images.html|access-date=2023-06-21|website=www.lmu.de|archive-date=September 17, 2022|archive-url=https://web.archive.org/web/20220917200820/https://www.lmu.de/en/newsroom/news-overview/news/revolutionizing-image-generation-by-ai-turning-text-into-images.html|url-status=live}}</ref><ref>{{Cite web|last=Mostaque|first=Emad|date=November 2, 2022|title=Stable Diffusion came from the Machine Vision & Learning research group (CompVis) @LMU_Muenchen|url=https://twitter.com/EMostaque/status/1587844074064822274?lang=en|access-date=2023-06-22|website=Twitter|language=en|archive-date=July 20, 2023|archive-url=https://web.archive.org/web/20230720002303/https://twitter.com/EMostaque/status/1587844074064822274?lang=en|url-status=live}}</ref>

Stable Diffusion, vývojový krok v oblasti generativního umělého modelování, reprezentuje latentní difúzní model postavený na hluboké neuronové síti. Tento inovativní model byl navržen s důrazem na otevřený zdrojový kód<ref name="stable-diffusion-github2">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref>, umožňující komunitě vývojářů přístup k jeho váhám kódu a modelu. Co ještě fascinující, je jeho schopnost provozu na široké škále spotřebního hardwaru, přičemž minimální požadavek je grafická karta s alespoň 4 GB VRAM (virtuální paměti).

Odklon od předchozích proprietárních modelů, jako jsou [[DALL-E]] a [[Midjourney]], je patrný v tom, že Stable Diffusion nabízí možnost využívat jej na lokálním hardwaru bez nutnosti spoléhat se na cloudové služby. Tímto způsobem se dále posiluje nezávislost uživatelů a umožňuje větší flexibilitu při využívání této pokročilé technologie.<ref name="pcworld2">{{cite web|title=The new killer app: Creating AI art will absolutely crush your PC|url=https://www.pcworld.com/article/916785/creating-ai-art-local-pc-stable-diffusion.html|access-date=2022-08-31|website=PCWorld|archive-date=2022-08-31|archive-url=https://web.archive.org/web/20220831065139/https://www.pcworld.com/article/916785/creating-ai-art-local-pc-stable-diffusion.html|url-status=live}}</ref>

== Rozvoj ==
Vývoj Stable Diffusion představuje spolupráci a finanční podporu od začínající společnosti Stability AI<ref name="forbes">{{cite web|title=The AI Founder Taking Credit For Stable Diffusion's Success Has A History Of Exaggeration|url=https://www.forbes.com/sites/kenrickcai/2023/06/04/stable-diffusion-emad-mostaque-stability-ai-exaggeration/?sh=347a8fcb75c5|access-date=2023-06-20|website=www.forbes.com|archive-date=June 21, 2023|archive-url=https://web.archive.org/web/20230621144520/https://www.forbes.com/sites/kenrickcai/2023/06/04/stable-diffusion-emad-mostaque-stability-ai-exaggeration/?sh=347a8fcb75c5|url-status=live}}</ref><ref name="CNN-Getty3">{{Cite web|last=Korn|first=Jennifer|date=2023-01-17|title=Getty Images suing the makers of popular AI art tool for allegedly stealing photos|url=https://www.cnn.com/2023/01/17/tech/getty-images-stability-ai-lawsuit/index.html|access-date=2023-01-22|website=CNN|language=en|archive-date=March 1, 2023|archive-url=https://web.archive.org/web/20230301184246/https://www.cnn.com/2023/01/17/tech/getty-images-stability-ai-lawsuit/index.html|url-status=live}}</ref> Technickou licenci na tento model poskytla skupina CompVis na Univerzitě Ludwiga Maximiliana v Mnichově. Vedoucími postavami tohoto projektu byli Patrick Esser z Runway a Robin Rombach z CompVis, kteří předtím vytvořili architekturu latentní difúze, jež je v jádru modelu Stable Diffusion.

Stability AI uznává podporu EleutherAI a LAION, německé neziskové organizace, které sestavily klíčovou datovou sadu pro trénování modelu.

V říjnu 2022 získala Stability AI 101 miliónů USD (amerických dolarů) v kole vedeném společností [[Lightspeed Venture Partners]] a [[Správa kabátu|Coatue Management]].<ref>{{Cite web|last=Wiggers|first=Kyle|title=Stability AI, the startup behind Stable Diffusion, raises $101M|url=https://techcrunch.com/2022/10/17/stability-ai-the-startup-behind-stable-diffusion-raises-101m/|access-date=2022-10-17|website=Techcrunch|date=17 October 2022|language=en|archive-date=October 17, 2022|archive-url=https://web.archive.org/web/20221017170503/https://techcrunch.com/2022/10/17/stability-ai-the-startup-behind-stable-diffusion-raises-101m/|url-status=live}}</ref>

== Technologie ==
[[Soubor:Stable_Diffusion_architecture.png|vpravo|náhled|Schéma latentní difúzní architektury používané Stable Diffusion]]
[[Soubor:X-Y_plot_of_algorithmically-generated_AI_art_of_European-style_castle_in_Japan_demonstrating_DDIM_diffusion_steps.png|vpravo|náhled|300x300pixelů|Proces odšumování používaný Stable Diffusion. Model generuje obrázky opakovaným odšumováním náhodného šumu, dokud není dosaženo nakonfigurovaného počtu kroků, vedený textovým kodérem CLIP předem natrénovaným na koncepty spolu s mechanismem pozornosti, což vede k požadovanému snímku zobrazujícímu reprezentaci natrénovaného konceptu.]]

=== Architektura ===
Stable Diffusion využívá pokročilý difúzní model nazývaný Model latentní difúze (LDM), který vyvinula skupina CompVis na LMU Mnichov.<ref name="stable-diffusion-github4">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref> Tato nová generace difúzních modelů, představená v roce 2015, je zaměřena na trénování s cílem eliminovat postupné aplikace Gaussova šumu na trénovacích snímcích. Tento postup lze přirovnat k sekvenci odšumovacích autokodérů.

Stable Diffusion se skládá ze tří klíčových částí: variačního autoenkodéru (VAE), U-Net a volitelného textového kodéru.<ref name=":02">{{Cite web|last=Alammar|first=Jay|title=The Illustrated Stable Diffusion|url=https://jalammar.github.io/illustrated-stable-diffusion/|access-date=2022-10-31|website=jalammar.github.io|archive-date=November 1, 2022|archive-url=https://web.archive.org/web/20221101104342/https://jalammar.github.io/illustrated-stable-diffusion/|url-status=live}}</ref> V první fázi kodér VAE komprimuje obraz z prostoru pixelů do menšího latentního prostoru s nižším rozměrem, což umožňuje zachytit podstatný sémantický význam obrazu. Během dopředné difúze je na tuto komprimovanou latentní reprezentaci iterativně aplikován Gaussovský šum.

Blok [[U-Net]], složený z páteře [[ResNet]], následně odšumuje výstup z dopředné difúze, přivádějící latentní reprezentaci zpět do původního stavu. Nakonec dekodér VAE generuje finální obraz tím, že převede reprezentaci zpět do původního prostoru pixelů<ref name=":022">{{Cite web|last=Alammar|first=Jay|title=The Illustrated Stable Diffusion|url=https://jalammar.github.io/illustrated-stable-diffusion/|access-date=2022-10-31|website=jalammar.github.io|archive-date=November 1, 2022|archive-url=https://web.archive.org/web/20221101104342/https://jalammar.github.io/illustrated-stable-diffusion/|url-status=live}}</ref>. Tímto sofistikovaným procesem je dosaženo Stable Diffusion, což přináší vylepšenou kvalitu a sémantickou interpretaci obrazu.

Proces odšumování je flexibilně podmíněn pomocí různých modalit, včetně textu, obrázků a dalších. Zakódovaná data pro podmíněné odšumování jsou vystavena síti U prostřednictvím mechanismu křížové pozornosti. Při úpravě textu je využíván pevný, předem připravený textový kodér CLIP ViT-L/14, který transformuje textové vstupy do vloženého prostoru.<ref name="stable-diffusion-github5">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref>

Výzkumníci zdůrazňují zvýšenou výpočetní efektivitu při trénování a generování jako klíčovou výhodu modelu latentní difúze (LDM). Tato efektivita představuje výrazné zlepšení oproti jiným přístupům, což potvrzuje významný pokrok v oblasti odšumování a generativního modelování. 

S 860 miliony parametry v U-Net a 123 miliony v textovém kodéru se Stable Diffusion v souladu se standardy roku 2022 řadí mezi relativně lehké modely. Na rozdíl od jiných difúzních modelů má schopnost provozovat se na spotřebitelských GPU<ref>{{Cite web|url=https://huggingface.co/docs/diffusers/v0.5.1/en/api/pipelines/stable_diffusion|title=Stable diffusion pipelines|website=huggingface.co|access-date=June 22, 2023|archive-date=June 25, 2023|archive-url=https://web.archive.org/web/20230625030241/https://huggingface.co/docs/diffusers/v0.5.1/en/api/pipelines/stable_diffusion|url-status=live}}</ref>, což představuje významnou výhodu v přístupnosti a možnosti využívání širšího spektra hardwaru. Tato schopnost rozšiřuje dosah modelu a umožňuje efektivní nasazení i na zařízeních s omezenými výpočetními zdroji.

=== Tréninkové údaje ===
Stable Diffusion byla trénována na dvojicích obrázků a popisků pocházejících z [[LAION-5B]], veřejně dostupného datasetu odvozeného z dat [[Common Crawl]], která byla načítána ze sítě. Dataset obsahuje 5 miliard párových kombinací obrazů a textů, které byly klasifikovány podle jazyka a filtrovány do samostatných datasetů podle rozlišení, pravděpodobnosti obsahu vodoznaku a předpokládané "estetické" hodnocení (například subjektivní vizuální kvality).<ref name="Waxy">{{Cite web|last=Baio|first=Andy|date=2022-08-30|title=Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator|url=https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|access-date=2022-11-02|website=Waxy.org|language=en-US|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120124332/https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|url-status=live}}</ref> [[Dataset]] vytvořila organizace [[LAION]], německá nezisková organizace, která získává finanční prostředky od Stability AI.<ref name="Waxy2">{{Cite web|last=Baio|first=Andy|date=2022-08-30|title=Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator|url=https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|access-date=2022-11-02|website=Waxy.org|language=en-US|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120124332/https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|url-status=live}}</ref><ref>{{Cite web|title=This artist is dominating AI-generated art. And he's not happy about it.|url=https://www.technologyreview.com/2022/09/16/1059598/this-artist-is-dominating-ai-generated-art-and-hes-not-happy-about-it/|access-date=2022-11-02|website=MIT Technology Review|language=en|archive-date=January 14, 2023|archive-url=https://web.archive.org/web/20230114125952/https://www.technologyreview.com/2022/09/16/1059598/this-artist-is-dominating-ai-generated-art-and-hes-not-happy-about-it/|url-status=live}}</ref>

Model Stable Diffusion byl trénován na třech podmnožinách LAION-5B: laion2B-en, laion-high-resolution a laion-aesthetics v2 5+.<ref name="Waxy3">{{Cite web|last=Baio|first=Andy|date=2022-08-30|title=Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator|url=https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|access-date=2022-11-02|website=Waxy.org|language=en-US|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120124332/https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|url-status=live}}</ref> Analýza dat trénovacího modelu provedená třetí stranou identifikovala, že z menší podmnožiny 12 milionů obrázků z původního širšího datasetu pochází přibližně 47 % vzorku z 100 různých domén, přičemž Pinterest tvoří 8,5 % této podmnožiny, následovaný webovými stránkami jako [[WordPress]], [[Blogspot]], [[Flickr]], [[DeviantArt]] a [[Wikimedia Commons]]. [citace potřebná] Vyšetřování Bayerischer Rundfunk ukázalo, že datasety LAION, hostované na [[Hugging Face]], obsahují velké množství soukromých a citlivých dat.<ref name=":22">{{Cite web|last1=Brunner|first1=Katharina|last2=Harlan|first2=Elisa|date=2023-07-07|title=We Are All Raw Material for AI|url=https://interaktiv.br.de/ki-trainingsdaten/en/index.html|archive-url=https://web.archive.org/web/20230912092308/https://interaktiv.br.de/ki-trainingsdaten/en/index.html|publisher=Bayerischer Rundfunk (BR)|access-date=September 12, 2023|archive-date=September 12, 2023|url-status=live}}</ref>

=== Tréninkové postupy ===
Původně byl model trénován na podmnožinách laion2B-en a laion-high-resolution, přičemž poslední několik kol tréninku proběhlo na LAION-Aesthetics v2 5+, což je podmnožina 600 milionů popsaných obrázků. LAION-Aesthetics Predictor V2 předpověděl, že lidé by průměrně udělili hodnocení minimálně 5 z 10, když byli požádáni, aby ohodnotili, jak moc se jim obrázky líbily. <ref>{{Citation|last=Schuhmann|first=Christoph|title=CLIP+MLP Aesthetic Score Predictor|date=2022-11-02|url=https://github.com/christophschuhmann/improved-aesthetic-predictor|access-date=2022-11-02|archive-date=June 8, 2023|archive-url=https://web.archive.org/web/20230608005334/http://github.com/christophschuhmann/improved-aesthetic-predictor/|url-status=live}}</ref><ref name="Waxy4">{{Cite web|last=Baio|first=Andy|date=2022-08-30|title=Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator|url=https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|access-date=2022-11-02|website=Waxy.org|language=en-US|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120124332/https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|url-status=live}}</ref><ref name="LAION-Aesthetics">{{Cite web|title=LAION-Aesthetics {{!}} LAION|url=https://laion.ai/blog/laion-aesthetics|access-date=2022-09-02|website=laion.ai|language=en|archive-date=2022-08-26|archive-url=https://web.archive.org/web/20220826121216/https://laion.ai/blog/laion-aesthetics/|url-status=live}}</ref> Podmnožina LAION-Aesthetics v2 5+ také vyloučila nízké rozlišení a obrázky, které byly identifikovány jako nesoucí vodoznak s pravděpodobností vyšší než 80 % pomocí LAION-5B-WatermarkDetection.<ref name="Waxy5">{{Cite web|last=Baio|first=Andy|date=2022-08-30|title=Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion's Image Generator|url=https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|access-date=2022-11-02|website=Waxy.org|language=en-US|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120124332/https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/|url-status=live}}</ref> V posledních kolech tréninku bylo navíc sníženo 10 % textové podmíněnosti s cílem zlepšit metodu Classifier-Free Diffusion Guidance.<ref name=":52">{{Citace arXiv|příjmení=Ho|jméno=Jonathan|příjmení2=Salimans|jméno2=Tim|datum=2022-07-25|titul=Classifier-Free Diffusion Guidance|třída=cs.LG|id=2207.12598}}</ref>

Model Stable Diffusion byl vytrénován s využitím výkonných 256 grafických karet Nvidia A100, přičemž tento trénink probíhal na [[Amazon Web Services|webových službách Amazon]]. Celkem bylo vynaloženo 150 000 hodin GPU výpočetního času na dosažení optimálních výsledků.<ref>{{Cite web|last=Mostaque|first=Emad|date=August 28, 2022|title=Cost of construction|url=https://twitter.com/emostaque/status/1563870674111832066|access-date=2022-09-06|website=Twitter|language=en|archive-date=2022-09-06|archive-url=https://web.archive.org/web/20220906155426/https://twitter.com/EMostaque/status/1563870674111832066|url-status=live}}</ref><ref name="stable-diffusion-model-card-1-4">{{Cite web|title=CompVis/stable-diffusion-v1-4 · Hugging Face|url=https://huggingface.co/CompVis/stable-diffusion-v1-4|access-date=2022-11-02|website=huggingface.co|archive-date=January 11, 2023|archive-url=https://web.archive.org/web/20230111161920/https://huggingface.co/CompVis/stable-diffusion-v1-4|url-status=live}}</ref><ref>{{Cite web|last=Wiggers|first=Kyle|date=2022-08-12|title=A startup wants to democratize the tech behind DALL-E 2, consequences be damned|url=https://techcrunch.com/2022/08/12/a-startup-wants-to-democratize-the-tech-behind-dall-e-2-consequences-be-damned/|access-date=2022-11-02|website=TechCrunch|language=en-US|archive-date=January 19, 2023|archive-url=https://web.archive.org/web/20230119005503/https://techcrunch.com/2022/08/12/a-startup-wants-to-democratize-the-tech-behind-dall-e-2-consequences-be-damned/|url-status=live}}</ref> 

=== Omezení ===
Stable Diffusion má potíže s degradací a nepřesnostmi v určitých scénářích. První verze modelu byla trénována na datasetu s obrázky o rozlišení 512×512, což znamená, že kvalita generovaných obrázků výrazně degraduje, když se specifikace uživatele odchýlí od "očekávaného" rozlišení 512×512.<ref name="diffusers2">{{Cite web|title=Stable Diffusion with 🧨 Diffusers|url=https://huggingface.co/blog/stable_diffusion|access-date=2022-10-31|website=huggingface.co|archive-date=January 17, 2023|archive-url=https://web.archive.org/web/20230117222142/https://huggingface.co/blog/stable_diffusion|url-status=live}}</ref> Verze 2.0 aktualizace modelu Stable Diffusion následně přidala schopnost nativně generovat obrázky o rozlišení 768×768.<ref name="release2.02">{{cite web|url=https://stability.ai/blog/stable-diffusion-v2-release|title=Stable Diffusion 2.0 Release|website=stability.ai|archive-date=December 10, 2022|archive-url=https://web.archive.org/web/20221210062729/https://stability.ai/blog/stable-diffusion-v2-release|url-status=live}}</ref> Další výzvou je generování lidských končetin v důsledku nízké kvality dat o končetinách v databázi LAION.<ref>{{Cite web|title=LAION|url=https://laion.ai/|access-date=2022-10-31|website=laion.ai|language=en|archive-date=October 16, 2023|archive-url=https://web.archive.org/web/20231016082902/https://laion.ai/|url-status=live}}</ref> Model je nedostatečně vyškolen na porozumění lidským končetinám a obličejům kvůli nedostatku reprezentativních prvků v databázi, a vyvolávání generování obrázků tohoto typu může model zmat.<ref>{{Cite web|date=2022-08-24|title=Generating images with Stable Diffusion|url=https://blog.paperspace.com/generating-images-with-stable-diffusion/|access-date=2022-10-31|website=Paperspace Blog|language=en|archive-date=October 31, 2022|archive-url=https://web.archive.org/web/20221031231727/https://blog.paperspace.com/generating-images-with-stable-diffusion/|url-status=live}}</ref> Verze Stable Diffusion XL (SDXL) 1.0, uvedená na trh v červenci 2023, představila nativní rozlišení 1024x1024 a zlepšenou generaci pro končetiny a text.<ref>{{Cite web|title=Announcing SDXL 1.0|url=https://stability.ai/blog/stable-diffusion-sdxl-1-announcement|access-date=2023-08-21|website=Stability AI|language=en-GB|archive-date=July 26, 2023|archive-url=https://web.archive.org/web/20230726215239/https://stability.ai/blog/stable-diffusion-sdxl-1-announcement|url-status=live}}</ref><ref>{{Cite web|last=Edwards|first=Benj|date=2023-07-27|title=Stability AI releases Stable Diffusion XL, its next-gen image synthesis model|url=https://arstechnica.com/information-technology/2023/07/stable-diffusion-xl-puts-ai-generated-visual-worlds-at-your-gpus-command/|access-date=2023-08-21|website=Ars Technica|language=en-us|archive-date=August 21, 2023|archive-url=https://web.archive.org/web/20230821011216/https://arstechnica.com/information-technology/2023/07/stable-diffusion-xl-puts-ai-generated-visual-worlds-at-your-gpus-command/|url-status=live}}</ref>

Dostupnost pro jednotlivé vývojáře může být také problémem. Aby bylo možné upravit model pro nové použití, které není zahrnuto v datasetu, například pro generování postav anime ("waifu difúze"),<ref>{{Cite web|title=hakurei/waifu-diffusion · Hugging Face|url=https://huggingface.co/hakurei/waifu-diffusion|access-date=2022-10-31|website=huggingface.co|archive-date=October 8, 2023|archive-url=https://web.archive.org/web/20231008120655/https://huggingface.co/hakurei/waifu-diffusion|url-status=live}}</ref> je zapotřebí nových dat a dalšího tréninku. Jemně naladěné adaptace modelu Stable Diffusion vytvořené prostřednictvím dalšího opětovného tréninku byly použity pro různé účely, od lékařského zobrazování po algoritmicky generovanou hudbu.<ref>{{Citace arXiv|jméno=Pierre|příjmení=Chambon|jméno2=Christian|příjmení2=Bluethgen|jméno3=Curtis P.|příjmení3=Langlotz|jméno4=Akshay|příjmení4=Chaudhari|datum=2022-10-09|titul=Adapting Pretrained Vision-Language Foundational Models to Medical Imaging Domains|třída=cs.CV|id=2210.04133}}</ref><ref>{{cite web|author=Seth Forsgren|author2=Hayk Martiros|url=https://www.riffusion.com/about|title=Riffusion - Stable diffusion for real-time music generation|website=Riffusion|archive-url=https://web.archive.org/web/20221216092717/https://www.riffusion.com/about|archive-date=December 16, 2022|url-status=live}}</ref> Nicméně tento proces jemného ladění je citlivý na kvalitu nových dat; nízké rozlišení obrázků nebo odlišné rozlišení od původních dat může nejen selhat při naučení se nového úkolu, ale i degradovat celkový výkon modelu. I když je model dodatečně vyškolen na obrázky vysoké kvality, je pro jednotlivce obtížné spouštět modely na spotřebitelské elektronice. Například trénovací proces pro waifu-difúzi vyžaduje minimálně 30 GB VRAM,<ref>{{Citation|last=Mercurio|first=Anthony|title=Waifu Diffusion|date=2022-10-31|url=https://github.com/harubaru/waifu-diffusion/blob/6bf942eb6368ebf6bcbbb24b6ba8197bda6582a0/docs/en/training/README.md|access-date=2022-10-31|archive-date=October 31, 2022|archive-url=https://web.archive.org/web/20221031234225/https://github.com/harubaru/waifu-diffusion/blob/6bf942eb6368ebf6bcbbb24b6ba8197bda6582a0/docs/en/training/README.md|url-status=live}}</ref> což přesahuje běžné zdroje poskytované v takových spotřebitelských GPU jako například Nvidia GeForce 30 series, které mají pouze kolem 12 GB.<ref>{{Cite web|last=Smith|first=Ryan|title=NVIDIA Quietly Launches GeForce RTX 3080 12GB: More VRAM, More Power, More Money|url=https://www.anandtech.com/show/17204/nvidia-quietly-launches-geforce-rtx-3080-12gb-more-vram-more-power-more-money|access-date=2022-10-31|website=www.anandtech.com|archive-date=August 27, 2023|archive-url=https://web.archive.org/web/20230827092451/https://www.anandtech.com/show/17204/nvidia-quietly-launches-geforce-rtx-3080-12gb-more-vram-more-power-more-money|url-status=live}}</ref>

Tvůrci modelu Stable Diffusion uznávají možnost algoritmického zkreslení, neboť byl model primárně trénován na obrázcích s anglickými popisy.<ref name="stable-diffusion-model-card-1-42">{{Cite web|title=CompVis/stable-diffusion-v1-4 · Hugging Face|url=https://huggingface.co/CompVis/stable-diffusion-v1-4|access-date=2022-11-02|website=huggingface.co|archive-date=January 11, 2023|archive-url=https://web.archive.org/web/20230111161920/https://huggingface.co/CompVis/stable-diffusion-v1-4|url-status=live}}</ref> Výsledkem je, že generované obrázky posilují sociální zkreslení a jsou západně orientované, neboť tvůrci upozorňují, že model chybí data z jiných komunit a kultur. Model poskytuje přesnější výsledky pro zadání napsaná anglicky ve srovnání s těmi napsanými v jiných jazycích, přičemž západní nebo bílé kultury jsou často defaultním zobrazením.<ref name="stable-diffusion-model-card-1-43">{{Cite web|title=CompVis/stable-diffusion-v1-4 · Hugging Face|url=https://huggingface.co/CompVis/stable-diffusion-v1-4|access-date=2022-11-02|website=huggingface.co|archive-date=January 11, 2023|archive-url=https://web.archive.org/web/20230111161920/https://huggingface.co/CompVis/stable-diffusion-v1-4|url-status=live}}</ref>

=== Jemné ladění koncovým uživatelem ===
Aby bylo možné řešit omezení původního tréninku modelu, koncoví uživatelé mohou zvolit implementaci dalšího tréninku k jemnému ladění generovaných výstupů a přizpůsobení je specifickým účelům, což je proces označovaný jako personalizace. Existují tři metody, jak lze na checkpoint modelu Stable Diffusion aplikovat přístupné jemné ladění uživatelem:

* "Vložení" lze natrénovat z kolekce obrázků poskytnutých uživatelem a umožňuje modelu generovat vizuálně podobné obrázky, kdykoli je název vložení použit ve výzvě ke generování. <ref>{{Citace elektronické monografie
| autor2 = Dave James
| url = https://www.pcgamer.com/nvidia-rtx-4090-stable-diffusion-training-aharon-kahana/
| url-status = live
}}</ref> Vkládání je založeno na konceptu „textové inverze“, který vyvinuli vědci z [[Telavivská univerzita|Tel Aviv University]] v roce 2022 s podporou [[NVIDIA|společnosti Nvidia]], kde jsou vektorové reprezentace pro konkrétní tokeny používané kodérem textu modelu propojeny s novými pseudoslovy. Vložení lze použít ke snížení předsudků v rámci původního modelu nebo k napodobení vizuálních stylů. <ref>{{Citace arXiv|jméno=Rinon|příjmení=Gal|jméno2=Yuval|příjmení2=Alaluf|jméno3=Yuval|příjmení3=Atzmon|jméno4=Or|příjmení4=Patashnik|jméno5=Amit H.|příjmení5=Bermano|jméno6=Gal|příjmenív6=Chechik|jméno7=Daniel|příjmení7=Cohen-Or|datum=2022-08-02|titul=An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion|třída=cs.CV|id=2208.01618}}</ref>
* „Hypersíť“ je malá předtrénovaná neuronová síť, která se aplikuje na různé body v rámci větší neuronové sítě a odkazuje na techniku vytvořenou vývojářem NovelAI Kurumuz v roce 2021, původně určenou pro [[Transformátor (model strojového učení)|modely transformátorů]] pro generování textu. Hypernetworks nasměrují výsledky určitým směrem a umožňují modelům založeným na Stable Diffusion napodobovat umělecký styl konkrétních umělců, i když umělec není rozpoznán původním modelem; zpracovávají obraz nalezením klíčových důležitých oblastí, jako jsou vlasy a oči, a poté tyto oblasti zalepují v sekundárním latentním prostoru. <ref>{{Citace elektronické monografie
| url = https://blog.novelai.net/novelai-improvements-on-stable-diffusion-e10d38db82ac
| url-status = live
}}</ref>
* DreamBooth je model generování hlubokého učení vyvinutý výzkumníky z [[Google|Google Research]] a [[Bostonská univerzita|Boston University]] v roce 2022, který dokáže model doladit tak, aby generoval přesné, personalizované výstupy, které zobrazují konkrétní předmět, po školení prostřednictvím sady obrázků, které předmět zobrazují. <ref>{{Citace elektronické monografie
| autor2 = Yuki Yamashita
| url = https://www.itmedia.co.jp/news/articles/2209/01/news041.html
| jazyk = ja
| url-status = live
}}</ref>

== Schopnosti ==
Model Stable Diffusion podporuje schopnost generovat nové obrázky od základu pomocí textového zadání popisujícího prvky, které mají být zahrnuty nebo vynechány ve výstupu.<ref name="stable-diffusion-github6">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref> Existující obrázky mohou být modelem překresleny a začleněny nové prvky popsané textovým zadáním (proces známý jako "vedená syntéza obrázku") pomocí jeho mechanismu difúzního vyhlazování.<ref name="stable-diffusion-github7">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref> Kromě toho model umožňuje použití zadání k částečné úpravě existujících obrázků pomocí inpaintingu a outpaintingu, pokud je používán s vhodným uživatelským rozhraním, které podporuje tyto funkce, a existuje mnoho různých implementací s otevřeným zdrojovým kódem.<ref name="webui_showcase2">{{cite web|url=https://github.com/AUTOMATIC1111/stable-diffusion-webui-feature-showcase|title=Stable Diffusion web UI|website=GitHub|date=10 November 2022|access-date=September 27, 2022|archive-date=January 20, 2023|archive-url=https://web.archive.org/web/20230120032734/https://github.com/AUTOMATIC1111/stable-diffusion-webui-feature-showcase|url-status=live}}</ref>

Pro optimální provoz modelu Stable Diffusion se doporučuje spustit ho na zařízeních s minimálně 10 GB virtuální paměti (VRAM). Nicméně, uživatelé s omezenou virtuální pamětí mají možnost načíst váhy s přesností [[float16]] namísto výchozí [[float32]]. Tato možnost umožňuje vyrovnat výkon modelu s nižší spotřebou virtuální paměti,<ref name="diffusers3">{{Cite web|title=Stable Diffusion with 🧨 Diffusers|url=https://huggingface.co/blog/stable_diffusion|access-date=2022-10-31|website=huggingface.co|archive-date=January 17, 2023|archive-url=https://web.archive.org/web/20230117222142/https://huggingface.co/blog/stable_diffusion|url-status=live}}</ref> což může být výhodné pro uživatele s omezenými hardwarovými prostředky.

=== Generování textu na obrázek ===
{{Multiple image|obrázek1=Algorithmically-generated landscape artwork of forest with Shinto shrine.png|obrázek2=Algorithmically-generated landscape artwork of forest with Shinto shrine using negative prompt for green trees.png|rámeček obrázků=200|obrázek3=Algorithmically-generated landscape artwork of forest with Shinto shrine using negative prompt for round stones.png|patička=Demonstrace efektu negativního popisu na generaci obrázků
*'''Nahoře''': žádný negativní popis
*'''Uprostřed''': "zelené stromy"
*'''Dole''': "kulaté kameny"|velikost obrázků=200px|orientace=svisle}}Skript vzorkování textu na obrázek v rámci Stable Diffusion, známý jako „txt2img“, využívá kromě různých parametrů volby zahrnujících typy vzorkování, rozměry výstupního obrázku a počáteční hodnoty také textovým vstupem. Výstupem skriptu je obrazový soubor založený na interpretaci výzvy modelu. <ref name="stable-diffusion-github">{{Citace elektronické monografie
| url = https://github.com/CompVis/stable-diffusion
| url-status = live
}}</ref> Vygenerované obrázky jsou označeny neviditelným [[Digitální vodoznak|digitálním vodoznakem]], aby uživatelé mohli identifikovat obrázek jako vytvořený pomocí Stable Diffusion,<ref name="stable-diffusion-github" /> ačkoli tento vodoznak ztrácí svou účinnost, pokud je velikost obrázku změněna nebo otočena. <ref>{{Cit|url=https://github.com/ShieldMnt/invisible-watermark/blob/9802ce3e0c3a5ec43b41d503f156717f0c739584/README.md}}</ref>

Každá generace txt2img bude zahrnovat specifickou [[Random seed|počáteční hodnotu]], která ovlivňuje výstupní obrázek. Uživatelé se mohou rozhodnout randomizovat semeno (seed), aby prozkoumali různé generované výstupy, nebo použít stejné semeno k získání stejného obrazového výstupu jako dříve vygenerovaný obraz. <ref name="diffusers">{{Citace elektronické monografie
| url = https://huggingface.co/blog/stable_diffusion
| url-status = live
}}</ref> Uživatelé jsou také schopni upravit počet inferenčních kroků pro vzorkovač; vyšší hodnota trvá delší dobu (lepší kvalita), avšak nižší hodnota může mít za následek vizuální vady (horší kvalita). <ref name="diffusers" /> Další konfigurovatelná možnost, hodnota vodicí stupnice bez klasifikátoru, umožňuje uživateli upravit, jak přesně se výstupní obraz připojuje k výzvě.  Experimentálnější případy použití se mohou rozhodnout pro nižší hodnotu rozsahu, zatímco případy použití zaměřené na specifičtější výstupy mohou používat vyšší hodnotu. <ref name="diffusers" />

Další funkce text2img jsou poskytovány [[Front end a back end|předními]] implementacemi Stable Diffusion, které umožňují uživatelům upravovat váhu přidělovanou konkrétním částem textové výzvy. Značky důrazu umožňují uživatelům přidat nebo snížit důraz na klíčová slova jejich uzavřením do hranatých závorek. <ref>{{Citace elektronické monografie
| url = https://github.com/JohannesGaessler/stable-diffusion-tools
| jazyk = en
| url-status = live
}}</ref> Alternativní metodou úpravy váhy na části výzvy jsou „negativní výzvy“. Negativní výzvy jsou funkcí zahrnutou v některých front-end implementacích, včetně vlastní cloudové služby DreamStudio Stability AI, a umožňují uživateli určit výzvy, kterým by se model měl během generování obrázků vyhnout. Specifikované výzvy mohou být nežádoucími rysy obrazu, které by jinak byly přítomny v obrazových výstupech kvůli pozitivním výzvám poskytnutým uživatelem nebo kvůli tomu, jak byl model původně trénován, přičemž běžným příkladem jsou rozbité lidské ruce. <ref name="webui_showcase">{{Citace elektronické monografie
| url = https://github.com/AUTOMATIC1111/stable-diffusion-webui-feature-showcase
| url-status = live
}}</ref> <ref name="release2.1">{{Citace elektronické monografie
| url = https://stability.ai/blog/stablediffusion2-1-release7-dec-2022
| url-status = live
}}</ref>

=== Úprava obrazu ===
{{Více obrázků|patička=Demonstrace modifikace obrázek do obrázku (img2img)
*'''Nalevo''': Originální obrázek vytvořen se Stable Diffusion 1.5
*'''Napravo''': Modifikovaný obrázek vytvořený se Stable Diffusion XL 1.0|obrázek1=NightCitySphere (SD1.5).jpg|alt1=Before|obrázek2=NightCitySphere (SDXL).jpg|alt2=After|velikost obrázků=200px}}

Stable Diffusion také obsahuje další vzorkovací skript „img2img“, který využívá textovou výzvu, cestu k existujícímu obrázku a hodnotu síly mezi 0,0 a 1,0. Skript vygeneruje nový obrázek založený na původním obrázku, který také obsahuje prvky poskytn vstupu. Hodnota síly udává množství šumu přidaného do výstupního obrazu. Vyšší hodnota síly vytváří více variací v rámci obrázku, ale může vytvořit obrázek, který není sémanticky konzistentní s poskytnutou výzvou.  <ref name="stable-diffusion-github"/>

Díky schopnosti img2img přidat do původního obrázku šum je potenciálně užitečný pro [[Anonymizace dat|anonymizaci dat]] a [[Rozšíření dat|rozšiřování dat]], při kterých se mění a anonymizují vizuální vlastnosti obrazových dat. <ref name=":12">{{Citace arXiv|příjmení=Luzi|jméno=Lorenzo|příjmení2=Siahkoohi|jméno2=Ali|příjmení3=Mayer|jméno3=Paul M.|příjmení4=Casco-Rodriguez|jméno4=Josue|příjmení5=Baraniuk|jméno5=Richard|datum=2022-10-21|titul=Boomerang: Local sampling on image manifolds using diffusion models|třída=cs.CV|id=2210.12100}}</ref> Stejný proces může být také užitečný pro převzorkování obrazu, při kterém se zvýší rozlišení obrazu a do obrazu může být přidáno více detailů. <ref name=":14">''Luzi, Lorenzo; Siahkoohi, Ali; Mayer, Paul M.; Casco-Rodriguez, Josue; Baraniuk, Richard (October 21, 2022).''</ref> Navíc se experimentovalo se Stable Diffusion jako s nástrojem pro kompresi obrazu. Ve srovnání s [[JPEG]] a [[WebP]], poslední metody používané pro kompresi obrazu ve Stable Diffusion face omezení při zachování malého textu a obličejů. <ref>{{Cite web|last=Bühlmann|first=Matthias|date=2022-09-28|title=Stable Diffusion Based Image Compression|url=https://pub.towardsai.net/stable-diffusion-based-image-compresssion-6f1f0a399202|access-date=2022-11-02|website=Medium|language=en|archive-date=November 2, 2022|archive-url=https://web.archive.org/web/20221102231642/https://pub.towardsai.net/stable-diffusion-based-image-compresssion-6f1f0a399202|url-status=live}}</ref>

Další případy použití pro úpravu obrazu prostřednictvím img2img nabízí řada předních implementací modelu Stable Diffusion. Inpainting zahrnuje selektivní úpravu části existujícího obrazu vymezeného uživatelem poskytnutou maskou vrstvy, která vyplní maskovaný prostor nově vygenerovaným obsahem na základě poskytnuté výzvy. <ref name="webui_showcase"/> Spolu s vydáním Stable Diffusion 2.0 vytvořila Stability AI speciální model speciálně vyladěný pro případy použití malování. <ref name="release2.0">{{Citace elektronické monografie
| url = https://stability.ai/blog/stable-diffusion-v2-release
| url-status = live
}}</ref> Naopak přemalba rozšíří obraz za jeho původní rozměry a vyplní dříve prázdný prostor obsahem generovaným na základě poskytnuté výzvy. <ref name="webui_showcase" />

S vydáním Stable Diffusion 2.0 dne 24. listopadu 2022 byl představen hloubkově naváděný model s názvem „depth2img“. tento model odvodí [[Hloubková mapa|hloubku]] poskytnutého vstupního obrazu a generuje nový výstupní obraz na základě textové výzvy a informací o hloubce, což umožňuje zachovat soudržnost a hloubku původního vstupního obrazu ve generovaném výstupu. <ref name="release2.0"/>

=== ControlNet ===
ControlNet<ref name="controlnet-paper3">''Zhang, Lvmin (February 10, 2023).''</ref> je architektura neuronové sítě navržená pro řízení modelů difúze začleněním dalších podmínek. Duplikuje váhy bloků neuronové sítě do „uzamčené“ kopie a „trénovatelné“ kopie. „Trénovatelná“ kopie se naučí požadovaný stav, zatímco „uzamčená“ kopie zachová původní model. Tento přístup zajišťuje, že trénování s malými datovými sadami obrazových párů neohrozí integritu difúzních modelů připravených pro výrobu. "Nulová konvoluce" je konvoluce 1×1 s hmotností i předpětím inicializovaným na nulu. Před tréninkem všechny nulové konvoluce produkují nulový výstup, čímž se zabrání jakémukoli zkreslení způsobenému ControlNet. Žádná vrstva není trénována od nuly; proces se stále dolaďuje a udržuje původní model v bezpečí. Tato metoda umožňuje trénink modelů na malých nebo dokonce osobních zařízeních.

== Vydání ==
{| class="wikitable"
|+
! Číslo verze
! Datum vydání
! Odkaz
|-
| 1,0 
|
|
|-
| 1.4
| srpna 2022
| <ref>{{Citace elektronické monografie
| url = https://huggingface.co/CompVis/stable-diffusion-v1-4
| url-status = live
}}</ref>
|-
| 1.5
| října 2022
| <ref>{{Citace elektronické monografie
| url = https://huggingface.co/runwayml/stable-diffusion-v1-5
| url-status = live
| titul = Archivovaná kopie
| datum přístupu = 2023-12-04
| url archivu = https://web.archive.org/web/20230921025150/https://huggingface.co/runwayml/stable-diffusion-v1-5
| datum archivace = 2023-09-21
| nedostupné = ano
}}</ref>
|-
| 2,0
| listopadu 2022
| <ref>{{Citace elektronické monografie
| url = https://huggingface.co/stabilityai/stable-diffusion-2
| url-status = live
}}</ref>
|-
| 2.1
| prosince 2022
| <ref>{{Citace elektronické monografie
| url = https://huggingface.co/stabilityai/stable-diffusion-2-1
| url-status = live
}}</ref>
|-
| XL 1.0
| července 2023
| <ref>{{Citace elektronické monografie
| url = https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
| url-status = live
}}</ref>
|}

== Použití a kontroverze ==
Stable Diffusion si nenárokuje žádná práva na generované obrázky a volně dává uživatelům práva na použití jakýchkoli vygenerovaných obrázků z modelu za předpokladu, že obsah obrázku není nezákonný nebo škodlivý pro jednotlivce nebo skupinu. Svoboda poskytovaná uživatelům v používání obrázků vyvolala spory ohledně etiky vlastnictví, protože Stable Diffusion a další generativní modely jsou trénovány z obrázků chráněných autorským právem bez souhlasu vlastníka. <ref name=":13">{{Citace elektronické monografie
| url = https://www.forbes.com/sites/kenrickcai/2022/09/07/stability-ai-funding-round-1-billion-valuation-stable-diffusion-text-to-image/
| jazyk = en
| url-status = live
}}</ref> To také vede k velkému množství soukromých a citlivých informací v tréninkových datech. <ref name=":2">{{Citace elektronické monografie
| url = https://interaktiv.br.de/ki-trainingsdaten/en/index.html
| url-status = live
}}</ref>

Vzhledem k tomu, že [[Umělecký sloh|vizuální styly]] a [[Obrazová kompozice|kompozice]] nepodléhají autorským právům, je často interpretováno, že uživatelé Stable Diffusion, kteří vytvářejí obrázky uměleckých děl, by neměli být považováni za porušující autorská práva vizuálně podobných děl. <ref name="automaton" /> Jednotlivci vyobrazení na generovaných obrázcích však mohou být chráněni [[Osobnostní práva|osobnostními právy]], pokud je použita jejich podoba <ref name="automaton">{{Citace elektronické monografie
| url = https://automaton-media.com/articles/newsjp/20220824-216074/
| jazyk = ja
| url-status = live
}}</ref>, a [[Duševní vlastnictví|duševní vlastnictví,]] jako jsou rozpoznatelná loga značek, stále zůstává chráněno autorským právem. Vizuální umělci nicméně vyjádřili obavy, že rozšířené používání softwaru pro syntézu obrazu, jako je Stable Diffusion, může nakonec vést k tomu, že lidští umělci spolu s fotografy, modelkami, kameramany a herci postupně ztrácejí komerční životaschopnost proti konkurentům založeným na umělé inteligenci. 

Stable Diffusion je ve srovnání s jinými komerčními produkty založenými na generativní umělé inteligenci zejména tolerantnější, pokud jde o typy obsahu, který mohou uživatelé vytvářet, jako jsou násilné nebo sexuálně explicitní snímky. <ref name="bijapan">{{Citace elektronické monografie
| autor2 = Ryo Shimizu
| url = https://www.businessinsider.jp/post-258369
| jazyk = ja
| url-status = live
}}</ref> Generální ředitel společnosti Stability AI, Emad Mostaque, se vypořádal s obavami, že model může být použit pro zneužití, tvrdí, že „[je] odpovědností lidí za to, zda jsou etické, morální a legální v tom, jak tuto technologii provozují“.  a že uvedení schopností Stable Diffusion do rukou veřejnosti by vedlo k tomu, že technologie bude poskytovat čistý přínos, a to i přes potenciální negativní důsledky.  Mostaque navíc tvrdí, že záměrem otevřené dostupnosti Stable Diffusion je ukončit podnikovou kontrolu a dominanci nad takovými technologiemi, které dříve vyvíjely pouze uzavřené systémy umělé inteligence pro syntézu obrazu.  <ref name="bijapan" /> To se odráží ve skutečnosti, že jakákoli omezení Stability AI na obsah, který mohou uživatelé generovat, lze snadno obejít díky dostupnosti zdrojového kódu. <ref name=":13"/>

Kontroverze kolem fotorealistických [[Lolicon|sexualizovaných zobrazení nezletilých postav]] byla vychována kvůli tomu, že takové obrázky vytvořené Stable Diffusion jsou sdíleny na webových stránkách, jako je Pixiv . <ref>{{Citace elektronické monografie
| url = https://www.bbc.com/news/uk-65932372
| jazyk = en-GB
| url-status = live
}}</ref>

== Soudní spory ==
V lednu 2023 podali umělci [[Sarah Andersenová|Sarah Andersen]], [[Kelly McKernanová|Kelly McKernan]] a Karla Ortiz žalobu na porušení autorských práv proti Stability AI, [[Midjourney]] a [[DeviantArt]] s tvrzením, že tyto společnosti porušily práva milionů umělců tím, že vycvičily nástroje AI na pěti miliardách obrázků stažených z webu bez souhlasu původních umělců. <ref>{{Citace elektronické monografie
| url = https://www.theverge.com/2023/1/16/23557098/generative-ai-art-copyright-legal-lawsuit-stable-diffusion-midjourney-deviantart
| url-status = live
}}</ref> Ve stejném měsíci byla Stability AI také žalována společností [[Getty Images]] za použití jejích obrázků v tréninkových datech. <ref name="CNN-Getty">{{Citace elektronické monografie
| url = https://www.cnn.com/2023/01/17/tech/getty-images-stability-ai-lawsuit/index.html
| jazyk = en
| url-status = live
}}</ref>

V červenci 2023 americký okresní soudce [[William Orrick]] rozhodl ve prospěch zamítnutí většiny žalob podaných Andersenovou, McKernanovou a Ortizovou. Nicméně, soudce umožnil těmto stranám podat novou stížnost.<ref name="Reuters-SDLawsuit">{{Cite news|last=Brittain|first=Blake|date=2023-07-19|title=US judge finds flaws in artists' lawsuit against AI companies|language=en|work=Reuters|url=https://www.reuters.com/legal/litigation/us-judge-finds-flaws-artists-lawsuit-against-ai-companies-2023-07-19/|access-date=2023-08-06|archive-date=September 6, 2023|archive-url=https://web.archive.org/web/20230906193839/https://www.reuters.com/legal/litigation/us-judge-finds-flaws-artists-lawsuit-against-ai-companies-2023-07-19/|url-status=live}}</ref>

== Licence ==
Na rozdíl od některých modelů, jako například DALL-E, Stable Diffusion nabízí transparentnost a otevřenost tím, že poskytuje svůj zdrojový kód spolu s předtrénovanými váhami modelu.<ref name="stability">{{cite web|title=Stable Diffusion Public Release|url=https://stability.ai/blog/stable-diffusion-public-release|url-status=live|archive-url=https://web.archive.org/web/20220830210535/https://stability.ai/blog/stable-diffusion-public-release|archive-date=2022-08-30|access-date=2022-08-31|website=Stability.Ai}}</ref><ref name="stable-diffusion-github8">{{cite web|title=Stable Diffusion Repository on GitHub|url=https://github.com/CompVis/stable-diffusion|publisher=CompVis - Machine Vision and Learning Research Group, LMU Munich|access-date=17 September 2022|date=17 September 2022|archive-date=January 18, 2023|archive-url=https://web.archive.org/web/20230118183342/https://github.com/CompVis/stable-diffusion|url-status=live}}</ref>

Pro regulaci užívání modelu M<ref>{{Cite web|title=From RAIL to Open RAIL: Topologies of RAIL Licenses|url=https://www.licenses.ai/blog/2022/8/18/naming-convention-of-responsible-ai-licenses|access-date=2023-02-20|website=Responsible AI Licenses (RAIL)|date=18 August 2022|language=en-US|archive-date=July 27, 2023|archive-url=https://web.archive.org/web/20230727145215/https://www.licenses.ai/blog/2022/8/18/naming-convention-of-responsible-ai-licenses|url-status=live}}</ref> je však zavedena licence Creative ML OpenRAIL-M, která představuje formu Responsible AI License (RAIL).

Licence podle RAIL explicitně zakazuje některé konkrétní případy použití, včetně zločinu, urážky na cti, obtěžování, doxingu, vykořisťování nezletilých, poskytování lékařských rad, automatické vytváření právních povinností, předkládání právních důkazů a diskriminace nebo poškozování jednotlivců nebo skupin na základě sociálního chování nebo osobních charakteristik,<ref name="washingtonpost">{{cite news|date=2022-08-30|title=Ready or not, mass video deepfakes are coming|newspaper=The Washington Post|url=https://www.washingtonpost.com/technology/2022/08/30/deep-fake-video-on-agt/|url-status=live|access-date=2022-08-31|archive-url=https://web.archive.org/web/20220831115010/https://www.washingtonpost.com/technology/2022/08/30/deep-fake-video-on-agt/|archive-date=2022-08-31}}</ref><ref>{{Cite web|title=License - a Hugging Face Space by CompVis|url=https://huggingface.co/spaces/CompVis/stable-diffusion-license|url-status=live|archive-url=https://web.archive.org/web/20220904215616/https://huggingface.co/spaces/CompVis/stable-diffusion-license|archive-date=2022-09-04|access-date=2022-09-05|website=huggingface.co}}</ref>  a to včetně zákonem chráněných vlastností nebo kategorií.<ref>{{cite web|author=Katsuo Ishida|date=August 26, 2022|title=言葉で指示した画像を凄いAIが描き出す「Stable Diffusion」 ～画像は商用利用も可能|url=https://forest.watch.impress.co.jp/docs/review/1434893.html|website=Impress Corporation|language=ja|access-date=October 4, 2022|archive-date=November 14, 2022|archive-url=https://web.archive.org/web/20221114020520/https://forest.watch.impress.co.jp/docs/review/1434893.html|url-status=live}}</ref>

== Odkazy ==
=== Reference ===
{{Překlad|en|Stable Diffusion|1186081466}}
{{upravit reference}}
<references/>

=== Externí odkazy ===
* {{Commonscat}}
* [https://huggingface.co/spaces/stabilityai/stable-diffusion Demo Stable Diffusion]
* [https://poloclub.github.io/diffusion-explainer/ Interaktivní vysvětlení Stable Diffusion]
* [https://interaktiv.br.de/ki-trainingsdaten/en/index.html „Všichni jsme surovinou pro umělou inteligenci“] : Vyšetřování citlivých a soukromých dat v tréninkových datech Stable Diffusions
* [https://talkdigital.com.au/ai/stable-diffusion-negative-prompt-list/ Negativní výzvy ve Stable Diffusion]

[[Kategorie:Generování obrazů z textu]]
[[Kategorie:Údržba:Články s nekontrolovanými překlady]]