Saltar ao contido

Stable Diffusion

Na Galipedia, a Wikipedia en galego.
Stable Diffusion
TipoModelo de texto a imaxe, Modelo de variável latente (pt) Traducir, diffusion model (en) Traducir e deep learning model (en) Traducir Editar o valor en Wikidata
Epónimodiffusion model (en) Traducir Editar o valor en Wikidata
Usoimage generation (en) Traducir Editar o valor en Wikidata
Medio usadoDeep learning Editar o valor en Wikidata
LicenzaStability AI Community License (en) Traducir e CreativeML Open RAIL-M (en) Traducir Editar o valor en Wikidata
Características
Sistema operativoLinux, macOS e Microsoft Windows Editar o valor en Wikidata
Linguaxe de programaciónPython Editar o valor en Wikidata
Datas
Creación22 de agosto de 2022 Editar o valor en Wikidata
Contacto
Páxina WEBstability.ai… Editar o valor en Wikidata
Repositoriogithub.com…, github.com… e github.com… Editar o valor en Wikidata
[ Wikidata ]

Stable Diffusion é un modelo de aprendizaxe automática de texto a imaxe publicado no 2022. Desenvolvido por StabilityAI, en colaboración con EleutherAI e LAION [1], para xerar imaxes dixitais a partir de descricións en linguaxe natural introducidas polo usuario. O modelo tamén se pode usar para outras tarefas, como xerar traducións de imaxe a imaxe guiadas por unha solicitude de texto.[2]

Pode funcionar na maioría do hardware de consumo equipado cunha GPU modesta e PC World aclamaba como "a próxima killer app (aplicación asasina) para o teu PC".[3]

Licenza

[editar | editar a fonte]

A diferenza de modelos da competencia como DALL-E, Stable Diffusion fai que o seu código fonte estea dispoñible.[4] A súa licenza prohibe certos casos de uso prexudicial.[5][6] Os críticos expresaron preocupacións sobre a ética da IA, afirmando que o modelo pode usarse para crear deepfakes[7] e tamén cuestionaron a legalidade de xerar imaxes cun modelo adestrado nun conxunto de datos que contén contido protexido por dereitos de autor sen o consentimento dos artistas orixinais.[8]

Adestramento

[editar | editar a fonte]

Stable Diffusion adestrouse nun subconxunto do conxunto de datos LAION-Aesthetics V2.[9] Adestrouse usando 256 GPU Nvidia A100 cun custo de 600.000 dólares.[10]

Nos primeiros meses as imaxes dun astronauta montando un cabalo foron moi icónicas, xa que o software non entendía os prompts (enunciados) de "un cabalo montado a un astronauta", e sempre o interpretaba como a imaxe máis obvia (o astronauta montando ao cabalo).[11]

Notas

[editar | editar a fonte]
  1. ↑ "Stable Diffusion announcement". Stability.Ai (en inglés). 
  2. ↑ "Diffuse the rest". huggingface.co. 
  3. ↑ "Creating-AI-art-local-pc-stable-diffusion". PCWorld. 
  4. ↑ "Stable-diffusion-public-release". Stability.Ai (en inglés). 
  5. ↑ "Deep-fake-video-on-agt". WashingtonPost.com (en inglés). 
  6. ↑ "Stable Diffusion License". huggingface.co. 
  7. ↑ "Deepfakes-for-all-uncensored-ai-art-model-prompts-ethics-questions". TechCrunch.com (en inglés). 
  8. ↑ "AI art DALL-E-Midjourney-Stable-Diffusion-copyright". Kotaku. 
  9. ↑ "Laion-aesthetics". Laion.ai (en inglés). 
  10. ↑ "Status de TW @emostaque". Twitter (en inglés). 
  11. ↑ "La NUEVA MIDJOURNEY es SUPERIOR a DALL·E 2 y Stable Diffusion - Feat. @Jaime Altozano". Consultado o 2022-11-17. 

Véxase tamén

[editar | editar a fonte]

Ligazóns externas

[editar | editar a fonte]
Traído desde «https://gl.wikipedia.org/w/index.php?title=Stable_Diffusion&oldid=7041479»