Stability AI推出新图像生成AI模型,力图保持领先地位

Stability AI推出新图像生成AI模型,力图保持领先地位

💡 原文英文,约600词,阅读约需2分钟。
📝

内容提要

Stability AI发布新图像生成模型Stable Cascade,采用三段式架构,降低算力需求,约10秒生成图像,快于SDXL的22秒,提示词对齐和美学质量更佳。支持图像变体、放大、局部重绘,已在GitHub开放给研究人员,暂不可商用。

🔎

延伸解读

三段式架构如何降低算力门槛

Stable Cascade采用Würstchen架构,将生成过程拆分为三个阶段:阶段C先将文本提示压缩为潜变量,再由阶段A和B解码。这种拆分让请求被压缩成更小的代码片段,从而减少内存占用和训练所需的GPU时间。对于研究者而言,这意味着在有限硬件条件下也能进行图像生成实验,但文章未提及具体硬件配置要求。

速度与质量的双重提升

文章指出,Stable Cascade生成一张图像约需10秒,而当前使用的SDXL模型需要22秒,速度提升明显。同时,模型在提示词对齐和美学质量上表现更好。不过,这些数据来自Stability AI的对比,实际效果可能因硬件和提示词复杂度而异。读者需注意,速度优势是在特定测试条件下得出的。

开放研究但商用受限

Stable Cascade已在GitHub上向研究人员开放,但暂不可用于商业用途。这与Stability AI通过订阅提供商业许可的策略形成对比。对于企业用户,目前无法直接利用该模型进行商业产品开发。此外,Stability AI面临多起版权诉讼,包括Getty Images在英国的诉讼,这可能影响其未来模型的商用授权政策。

❓

Q&A

Stability AI 最新发布的图像生成模型是什么?

Stability AI 最新发布的图像生成模型是 Stable Cascade。

Stable Cascade 的架构有什么特别之处?

Stable Cascade 采用三段式架构,基于 Würstchen 架构,由三个不同的模型组成。第一阶段(阶段 C)将文本提示压缩为潜变量,然后传递给阶段 A 和 B 来解码请求。

Stable Cascade 生成图像的速度比 SDXL 快多少?

Stable Cascade 生成一张图像大约需要 10 秒,而 SDXL 模型需要 22 秒,速度更快。

Stable Cascade 支持哪些图像编辑功能?

Stable Cascade 支持图像变体、放大现有图片的分辨率、局部重绘(inpainting)和扩图(outpainting),以及 canny edge 功能,即仅使用现有图片的边缘来生成新照片。

Stable Cascade 目前可以商用吗?

目前 Stable Cascade 已在 GitHub 上开放给研究人员,但暂不可商用。

Stable Cascade 在提示词对齐和美学质量方面表现如何?

Stable Cascade 在提示词对齐和美学质量方面表现更好。

🏷️

标签

➡️

继续阅读