開(kāi)源，可商業(yè)化！性能比Stable Difusion強(qiáng)2.5倍

　　本文來(lái)自于微信公眾號(hào) AIGC開(kāi)放社區(qū)(ID:AIGCOPEN)，作者:AIGC開(kāi)放社區(qū)。

　　文生圖平臺(tái)Playground宣布開(kāi)源Playground V2版本，允許商業(yè)化，用戶通過(guò)文本就能生成3D、動(dòng)漫、素描、朋克、暗黑等多種類型1024x1024圖片，同時(shí)提供免費(fèi)在線體驗(yàn)。

　　Playground V2是基于Stable Diffusion XL開(kāi)發(fā)而成，還從Midjourney搜集了10個(gè)類別，每個(gè)類別包含3000個(gè)樣本的高質(zhì)量圖片用于圖文對(duì)齊。

　　根據(jù)測(cè)試數(shù)據(jù)顯示，在超過(guò)1000個(gè)文本提示中，Playground V2生成圖片的受歡迎程度遠(yuǎn)遠(yuǎn)超過(guò)Stable Diffusion XL。

　　Playground V2是在Stable Diffusion XL基礎(chǔ)上開(kāi)發(fā)的，所以架構(gòu)上二者幾乎差不多。但其從Midjourney搜集的10個(gè)類別的高質(zhì)量樣本，在數(shù)據(jù)微調(diào)時(shí)發(fā)揮了關(guān)鍵作用。

　　Playground V2采用了更大參數(shù)的UNet作為主干模型，是之前Stable Diffusion模型的3倍。

　　同時(shí)額外添加了多個(gè)模塊包括:基于Fourier特征編碼的大小及裁剪坐標(biāo)條件，用于控制生成圖像中對(duì)象位置;

　　基于多個(gè)寬高比的多寬高比訓(xùn)練，生成不同形狀比例的圖像;文本編碼器方面使用CLIP ViT-L和OpenCLIP ViT-bigG的特征拼接。此外還采用了獨(dú)立的細(xì)節(jié)增強(qiáng)網(wǎng)絡(luò)來(lái)提升主模型生成圖像的視覺(jué)質(zhì)量。

　　此外，考慮到真實(shí)圖像分辨率及寬高比差異很大，研究人員為使模型適應(yīng)不同寬高比的訓(xùn)練數(shù)據(jù)，收集了20種不同寬高比的數(shù)據(jù)，盡量保證像素?cái)?shù)接近1024*1024，通過(guò)在訓(xùn)練時(shí)切換寬高比數(shù)據(jù)進(jìn)行模型微調(diào)。

　　Playground V2生成的圖片在光線搭配、陰暗對(duì)比、還原文本描述、色彩等方面，都非常不錯(cuò)，無(wú)法使用Midjourney、DALL·E3和Stable Difusion的小伙伴們可以試試。

　　蛇纏繞著女人，非常美麗，水粉畫，電影風(fēng)格，書法線條，黑暗，怪異，神秘，現(xiàn)代復(fù)古，豐富的深色，波西米亞風(fēng)格。

　　女孩和熊，復(fù)雜的皮毛和織物紋理，數(shù)字繪畫、發(fā)光效果、超精細(xì)、戲劇性的燈光，女孩的表情令人回味。

　　蛋糕卷和草莓，干凈的白色背景，寫實(shí)風(fēng)格，3D效果

　　超美味的牛排，電影效果，專業(yè)美食攝影，影棚燈光，影棚背景，廣告攝影，復(fù)雜細(xì)節(jié)，超細(xì)致，超真實(shí)，8K超高清。

　　盤子里盛滿了色彩繽紛的壽司卷、天婦羅蔬菜和小碗里冒著熱氣的味噌湯。新鮮的魚切片，視覺(jué)和氣味令人陶醉。米醋、芥末醬、腌姜、醬油和綠茶，讓每一口食物都更加美味。8K超高清，寫實(shí)。

　　戴黑帽子的女巫，穿著黑色連衣裙，巴洛克風(fēng)格，時(shí)尚拍攝，微妙色調(diào)的背景，超級(jí)微距，，復(fù)雜逼真的細(xì)節(jié)，影棚效果，動(dòng)態(tài)照片，專業(yè)照片，工作室攝影，8K超逼真，寫實(shí)風(fēng)格。

　　灰色的外星人，呈現(xiàn)出不同色調(diào)的蛇皮紋理，融合了機(jī)器人頸部特征，超大迷人的眼睛反射著鏡面全息效果，站在全息森林沼澤中，戴著有毛利金絲裝飾的威尼斯鐵面具，8K超高清。