Stable Diffusion

Stable Diffusion
Ilustracja
Obraz wygenerowany przez Stable Diffusion 3.5
Autor Stability AI
Pierwsze wydanie 22 sierpnia 2022
Język programowania Python
Licencja Stability AI Community License
Strona internetowa

Stable Diffusion – generator obrazu z tekstu oparty na uczeniu głębokim. Narzędzie jest udostępnione w formie kodu źródłowego i pozwala na nie tylko generowanie obrazów z tekstu ale też naprawianie uszkodzonych obrazów i rozszerzanie obrazu poza jego oryginalne granice (ang. outpainting).

Kod i wagi modelu są dostępne publicznie i może działać na komputerach z co najmniej 8 GB pamięci GPU. Podczas swojego opublikowania w 2022 stanowił alternatywę dla podobnych dużych modeli generowania obrazu jak DALL-E czy Midjourney, które działają na zasadzie usługi SaaS.

Stable Diffusion jest oparty na LDM(inne języki), jednym z modeli dyfuzyjnych opracowanych na Uniwersytecie Monachijskim.

Technologia

Proces odszumiania używany przez Stable Diffusion. Model generuje obrazy przez odszumianie.

Stable Diffusion trenowano na parach obrazów i podpisów pobranych z LAION-5B, publicznie dostępnego zestawu danych z 5 miliardami par obraz-tekst.

Model trenowano przy użyciu 256 procesorów graficznych Nvidia A100 w Amazon Web Services, co łącznie zajęło 150 000 godzin pracy procesora graficznego, a koszt wyniósł 600 000 USD.