hand style : dall-e2 vs stable diffusion Dall-e2가 스탁 이미지 등 명확한 표현을 보장하는 데이터셋이 4배 정도 더 많고, Stable Diffusion의 Default CFG가 손 모양 표현에 적합하지 않기 때문에, Stable Diffusion에서 손 모양을 개선하는 방법은 손에 대한 표현이 풍부한 라벨링 데이터, 손 모양에 대한 스타일 데이터셋의 충분량 필요, 그리고 손이나 발 모양 표현에 적합한 Steps와 CFG로 설정하는 것이 좋다. 다음은 Stable Diffusion 2.1에서 많은 개선이 이뤄졌다는 손 모양에 대한 여러가지 출력결과(개선된 로직이 동일 데이터셋 문제로 인하여 개선의 정도를 알 수 없을 정도..) Stable Diffusion 2.1 p..

Comparison of hand shape between Stable Diffusion 1.x and 2.x (2.1) 1. Hand Shape Sample of Stable Diffusion 1.x 2. Hand Shape Sample of Stable Diffusion 2.1(2.x) Stable Diffusion 2.1의 해부학적 이해 성능 향상과 손 모양, 발 모양, 손가락 모양 등의 개선은 Stable Diffusion 1.x에서 좋은 모델을 사용한 결과와 비교해도 차이가 미비하다.

프롬프트 : a cat on the table / without mouse (네거티브 표현 사용) 프롬프트 : a robot in the city / 네거티브 표현 사용안함(연산시간이 2배 가까이 늘어나고 아직 문제가 있음) 프롬프트 : a flying bird in the sky / 네거티브 표현 없음 flying bird는 기존의 Stable Diffusion 뿐만 아니라, 대부분의 인공지능에서 어려운 대상인데 이는 날아다니는 새에 대한 이미지가 명확하지 않으며, (지나치게 빠른 날개짓, 원거리에서 찍은 사진, 태양 및 빛에 영향을 받아서 명확한 오브젝트 표현 안 됨, 새의 품종에 대한 라벨링 없음) Stable Diffusion 2.1에서 향상된 결과를 기대했으나, 좀 아쉬운 부분이 아직 많다고 할..

인공지능 이미지 생성에서 손은 왜 이상하고, 어려운 것일까 / Stable Diffusion Hands comparison in 23 models Stable Diffusion과 같은 인공지능 이미지 생성의 경우 가장 문제가 되는 것 중 하나는 바로 손(손모양) 처리라고 할 수 있다. 사실 풀샷을 기준으로 할 때 생성된 이미지의 손의 모양만 봐도, Stable Diffusion의 워터마크 없이도 인공지능의 결과물인 것을 사람이 구분할 수 있다고 할 정도인데, 이는 두 가지 원인에서 야기된다. 1. 데이터셋의 라벨링 부족과 비정규화 첫번째로 Stable Diffusion이 사용하는 LAION 5B는 총 이미지 58억 5천만개의 이미지로 이뤄진 데이터셋이며, LAION-1B, LAION-2B 등 EN 서브셋..

Stable Diffusion 2 : "an oil painting of a cat" demo/Sample Stable Diffusion 2 : "a pencil drawing of a cat" demo/Sample Stable Diffusion 2 : "a concept art of a cat" demo/Sample Stable Diffusion 2 : "a photograph of a cat" demo/Sample Stable Diffusion 2 : "a digital illustration of a cat" demo/Sample Stable Diffusion 2 : "a matte painting of a cat" demo/Sample