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..

한국 기준시간으로 2022년 12월 8일 00:00에 공식적으로 Stable Diffusion 2.1이 발표 되었습니다. 자세한 변경점을 돌려보기 전에 Stable Diffusion 2.1 발표에 따른 변경점을 간단히 확인해 보고자 합니다. 1. 좀 더 완화된 성인용 필터 512x512 및 768x768 해상도 모두에 대한 Stable Diffusion 2.1 텍스트-이미지 모델의 업데이트로, Stable Diffusion 2.0때 지나치게 제한적이었던 성인 컨텐츠에 대해 상대적으로 좀 더 완화된 필터링을 걸칩니다. (이것때문에 1.5와 1.4를 선호하는 분들도 계셨죠) 2. 건축, 인테리어, 조경 등의 품질 향상 사람 등을 대상으로 하는 데이터셋에서는 정책이 수시로 바뀌는 반면, 이러한 정책에 영향을 ..

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 v2.1 Preview on Dreambot 🤖 @everyone In advance of the Stable Diffusion v2.1 open release this week, we are bringing you all a sneak preview using the Dreambot. v2.1 brings improvements in training and dataset that should address some complaints we've heard, and improve overall quality. No action needs to be taken, the Dreambot will already be using v2.1 by default as of this ..