AIGC動態(tài)歡迎閱讀

原標(biāo)題：Stable Diffusion 3開源秒翻車，畫人好掉san
關(guān)鍵字：模型,翻車,版本,發(fā)現(xiàn),問題
文章來源：量子位
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

明敏 發(fā)自 凹非寺量子位 | 公眾號 QbitAI沒想到……Stable Diffusion 3開源即出現(xiàn)翻車案例。
生成一個躺在草地上的女孩，結(jié)果長這樣？
而且不是個例，只要是和人（整體）相關(guān)的內(nèi)容，生成結(jié)果都有點(diǎn)掉san。
（前方高能）
但如果是局部，比如只生臉，確實(shí)很nice。
清晰度、寫字、寫實(shí)性等方面都有明顯提升。
對于復(fù)雜長提示詞的理解也很到位，有網(wǎng)友發(fā)現(xiàn)提示越長它畫的越好。
那么問題來了，為啥偏偏畫不好人類？
問題可能在于數(shù)據(jù)集先來看看SD3開源的具體情況。
本次開源的版本是Stable Diffusion 3 Medium（中杯）。
它的規(guī)模為20億參數(shù)，在筆記本上就能跑了。
官方強(qiáng)調(diào)的屬性有5方面，逐一來看：
整體質(zhì)量和寫實(shí)性
可生成出色的細(xì)節(jié)，包括色彩、光線、強(qiáng)寫實(shí)等，帶來靈活風(fēng)格的高質(zhì)量輸出。
通過16通道VAE，成功解決了其他模型的常見缺陷，比如手部和面部的寫實(shí)問題。
提示詞理解
可以理解復(fù)雜長提示，包含空間推理、元素組合、動作、風(fēng)格等。3個文本編碼器可以全部或者組合使用，方便用戶平衡性能和顯存。
有效利用資源
對VRAM占用很低，非常適合在消費(fèi)級GPU上運(yùn)

原文鏈接：Stable Diffusion 3開源秒翻車，畫人好掉san

聯(lián)系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破