Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了
“Go Big or Go Home”
白交 丰色 发自 凹非寺
量子位 | 公众号 QbitAI
Stable Diffusion 3,它终于来了!
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/bf48a2df34523cd259b5eec81f5d3c69.jpeg)
足足酝酿一年之多,相比上一代一共进化了三大能力。
来,直接上效果!
首先,是开挂的文字渲染能力。
且看这黑板上的粉笔字:
Go Big or Go Home (不成功便成仁),这个倒是杀气腾腾啊~
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/72ec5a8f2171a1e57fe25e19db466e29.png)
路牌、公交灯牌的霓虹效果:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/3cb113d742725bec72dbc611060246b0.png)
还有刺绣上“勾”得快要看到针脚的“晚安”:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/ba120a9e97f0a53ae050b2156d7976df.png)
作品一摆出,网友就大呼:太精确了。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/91c0cfbf897bd56ad34bce88608afa12.png)
以至于有人表示:赶紧把中文也安排上啊。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/a49dc5b2ebfb685dfa9ed4dd8bfbf102.png)
其次,多主题提示能力直接拉满。
什么意思?你尽管一次性往提示词中塞入n多“元素”,Stable Diffusion 3:漏一个算我输。
呐,仔细瞅下图,这里面就有“宇航员”、“穿着芭蕾舞裙的小猪”、“粉色雨伞”、“戴着礼帽的知更鸟”,角落里还有“Stable Diffusion”几个大字(可不是什么水印)。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/3cec8f53e1839dfcd598a16417a0ced2.jpeg)
有了这个能力,一幅作品你想多丰富就有多丰富。
最后,当属图像质量,再次进化了一个度。
光看前面这些图,就被冲击到有没有?!
而各种超清特写,那是再信手拈来不过的了。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/4dde7130faa234a6f1597b95ccb6f4c2.jpeg)
心动吗?目前官方已开放排队名单,大伙可以前往官网申请。
咳咳,也不得不说,最近这AI圈可真是相当热闹啊。
有网友直呼,我的电脑已经Hold不住了……
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/5a06ff4ecbf408dabb1eab4be2605fb9.png)
Stable Diffusion 3来了!
全新的Stable Diffusion效果有多好,再给大伙奉送一些。
当然,所有出图均来自官方,比如StabilityAI媒体负责人:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/f67374d026a96597ee1263a0f5f26822.png)
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/3bf8f6860cd390ee2290cd7bb40a0ea9.png)
不得不说,文字效果实在最为吸人眼球,各种形式都能呈现得相当清楚和“应景”。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/e87aee5e84e6773a0b30464d9ffb8c07.png)
而看到上面这幅图,不得不想到“Midjourney尴尬亮相学术界:为生物学论文乱配图”一事——有了SD3之后,我们是不是可以制作非常专业的学术配图了?
除了这些,SD3的“酒精水墨画”也相当别出心裁:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/b4a3b6d4b88884a0c50455938ca4315e.png)
动漫风格:
again,你可以在上面加清晰的文字了。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/1ec2d72992e3f91ea197d2e25cfd7dbc.png)
由于目前需要排队申请,大伙还不好实际测试摸底。
不过有机智的网友已经用相同的提示词喂给了Midjourney(v 6.0)。
比如开头的那张“红苹果与黑板字”(prompt:cinematic photo of a red apple on a table in a classroom, on the blackboard are the words “go big or go home” written in chalk)
最终Midjourney给出的结果如下:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/5e04173d850ab8b3d59b71e27c407f4c.png)
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/85b953b82ef0fe96984789d427c440ce.png)
从这组对比来看,可以说是高下立判——SD3无论是文字拼写还是质量、色彩协调性等方面都更胜一筹。
技术方面,目前,模型可选择的参数范围在800M到8B。
详细的技术报告还未公布,官方目前只透露主要结合了扩散型transformer架构以及flow matching。
前者实际上同Sora一样,附上的技术论文正是22年William Peebles同谢赛宁合写的DiT。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/f6548c81dbc024f3555a3564793c81e2.png)
DiT首次将Transformer与扩散模型结合到了一起,相关论文被ICCV 2023录用为Oral论文。
在该研究中,研究者训练了潜在扩散模型,用对潜在 patch进行操作的 Transformer 替换常用的 U-Net 主干网络。他们通过以Gflops衡量的前向传递复杂度来分析扩散 Transformer (DiT) 的可扩展性。
而后者flow matching同样也是来自22年,由Meta AI以及魏茨曼科学研究所的科学家完成。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/505c07f6d2556df9a6cb0e1a8a19c352.png)
他们提出了基于连续归一化流(CNFs)的生成模型新范式,以及flow matching的概念,这是一种基于回归固定条件概率路径的矢量场的免模拟CNFs的方法。结果发现使用带有扩散路径的flow matching,可以训练出来的模型更稳健和稳定。
不过最近看了这么多视频生成进展,也有网友表示:
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/45c238dea8b1903c48d8683eede55ce1.jpeg)
你觉得呢?
One More Thing
除此之外,也就在前一天,他们的视频产品Stable Video正式开放公测。
基于SVD1.1(Stable Video Diffusion 1.1),人人可用。
主要支持文生视频和图生视频两个功能。
![Stable Diffusion 3突然发布!与Sora同架构,一切都更逼真了](/wp-content/uploads/replace/587e632c6c0e12f1915c38d46dc4b308.png)
参考链接:
[1]https://stability.ai/news/stable-diffusion-3
[2]https://arxiv.org/abs/2212.09748
[3]https://arxiv.org/abs/2210.02747
[4]https://twitter.com/pabloaumente/status/1760678508173660543
- 北大开源最强aiXcoder-7B代码大模型!聚焦真实开发场景,专为企业私有部署设计2024-04-09
- 刚刚,图灵奖揭晓!史上首位数学和计算机最高奖“双料王”出现了2024-04-10
- 8.3K Stars!《多模态大语言模型综述》重大升级2024-04-10
- 谷歌最强大模型免费开放了!长音频理解功能独一份,100万上下文敞开用2024-04-10