Stable Cascade: Neues Text-zu-Bild-Modell von Stability AI

MÜNCHEN (IT BOLTWISE) – Stability AI hat ein völlig neues Text-zu-Bild-Modell namens Stable Cascade vorgestellt, das mit seiner Würstchen-Architektur neue Maßstäbe für Qualität, Flexibilität und Effizienz in der generativen KI setzt.

Stability AI, das Unternehmen hinter dem KI-Bildgenerator Stable Diffusion, hat ein völlig neues Text-zu-Bild-Modell namens Stable Cascade vorgestellt. Dieses Modell basiert auf einer als Würstchen-Architektur bezeichneten Struktur, die eine konkurrenzfähige Leistung mit beispielloser Kosteneffizienz für groß angelegte Text-zu-Bild-Diffusionsmodelle kombiniert. Stable Diffusion ist insbesondere für seine Fähigkeit bekannt, maßgeschneiderte KI-Bildgenerator-Modelle durch seinen Open-Source-Ansatz zu erstellen; Nutzer können die Software herunterladen und offline auf ihren eigenen Computern ausführen. Das Unternehmen betont, dass Stable Cascade außergewöhnlich einfach zu trainieren und auf Verbraucherhardware zu optimieren sei.

Stability AI startet Stable Cascade in einer Forschungsvorschau und führt damit ein innovatives Text-zu-Bild-Modell ein, das mit einem interessanten dreistufigen Ansatz neue Benchmarks für Qualität, Flexibilität, Feinabstimmung und Effizienz setzt, mit einem Fokus auf die weitere Beseitigung von Hardwarebarrieren.

Zusätzlich veröffentlicht das Unternehmen Trainings- und Inferenzcode auf der Stability GitHub-Seite, um weitere Anpassungen des Modells und seiner Ausgaben zu ermöglichen. Das Modell ist für Inferenzen in der Diffusers-Bibliothek verfügbar.

Während Stable Diffusion ein einzelnes Modell verwendet, besteht Stable Cascade aus einer Pipeline von drei kleineren Modellen, die als Stufen A, B und C bezeichnet werden. Venture Beat weist darauf hin, dass diese modulare Architektur Effizienz und Anpassung ermöglicht.

Stufe C verwandelt den Textprompt in ein winziges 24×24 Pixel großes latentes Bild, das dann an die Stufen A und B weitergeleitet wird, die als latente Decoder fungieren und es in ein hochauflösendes Bild umwandeln.

Durch die Entkopplung der textbedingten Generierung (Stufe C) von der Dekodierung in den hochauflösenden Pixelraum (Stufe A & B) können zusätzliche Trainings oder Feinabstimmungen, einschließlich ControlNets und LoRAs, ausschließlich auf Stufe C durchgeführt werden, so Stability AI.

Dieses Modell bietet eine 16-fache Kostensenkung im Vergleich zum Training eines ähnlich großen Stable Diffusion-Modells, laut dem Unternehmen.

Eine inoffizielle Demo von Stable Cascade wurde veröffentlicht. Das Modell unterliegt derzeit einer „nicht-kommerziellen Lizenz, die nur die nicht-kommerzielle Nutzung erlaubt.“

Stability AI setzt die Veröffentlichung seiner Text-zu-Bild-Modelle fort; letztes Juni veröffentlichte es Stable Diffusion XL 1.0, das damals sein fortschrittlichstes Modell war, und im November brachte es SDXL Turbo heraus, das es Benutzern ermöglicht, KI-Bilder in Echtzeit zu generieren.

Hinweis: Teile dieses Textes könnten mithilfe Künstlicher Intelligenz generiert worden sein.