SKALARIAK: Já jsem celkem přesvědčený, že během 3-4 let bude 80-90% statického obsahu pro dospělé generováno pomocí SD. Je to jen otázka času, zájem je enormní, kvalita bude (je) lepší než u fotek a náklady na obrázek budou zanedbatelné v porovnání s focením. No a ten zbytek asi o to bude zájem, protože se to bude vázat k nějakým konkrétním osobám, které jsou známé, obdivované, vydírané atd. prostě bulvár... nicméně na internetu tou dobou bude tolik fejků, že ikdyž někde budou fotky skutečného člověka, tak to bude úplně jedno, protože nikdo nepozná jestli to je pravda nebo ne. U videa se to asi taky stane, ale bude to trvat více roků. Dost možná by pak mohla AI vytvářet film na míru pro jednoho člověka na základě jeho interakcí, dialogů atd. Nicméně pro tyhle společnosti je to nová oblast, kde ještě není tolik konkurence a nemají zatím důvod si zbytečně komplikovat život.

BROUKOID: chytré ale not exactly :) btw je nekde seznam těch banned slov?

pobavilo

VOZKA: Dodatky z toho co psal Emad od vydání na discordu a někdo to vytípal na reddit:
- 512x512 px verze dává o něco lepší výsledky než 768x768 px
- Jestli to chápu správně, tak celebrity a umělci nezmizeli záměrně ale proto, že 2.0 používá jiný jazykový model, který je na rozdíl od toho předchozího taky otevřený, takže jim dává větší kontrolu při trénování, ale některé věci které byly v tom předchozím (někdy i nepoměrně silně zastoupeny, jako třeba ten Rutkowski) neobsahuje.
- Má ale díky tomu menší overfitting, tj. když budete chtít nakreslit Monu Lisu v bazénu, je větší šance že to fakt udělá, zatímco předchozí verze vám typicky vracely něco velmi podobného samotnému obrazu Mony Lisy protože fráze "mona lisa" a obraz s ní asociovaný kvůli overfittingu zastínila všechny ostatní části promptu.
- Díky tomu by měl lépe chápat delší a podrobnější prompty.
- Taky by díky tomu mělo být snadnější a účinnější ho naučit nové věci, takže doučit umělce, celebrity nebo lepší anatomii (která je teď zhoršená kvůli absenci NSFW obrázků) prý určitě půjde.
- Snažili se tedy vytvořit model, který má lepší architekturu a bude sloužit jako kvalitnější základ pro další zpracování, a to za cenu toho, že takhle v základu jsou výstupy v něčem lepší a v něčem horší a pro spoustu lidí to působí jako krok zpět.

Jinak říká, že do konce roku plánují vydat několik dalších free modelů a že budou brzy i prodávat nějaké vlastní licencované finetuned modely, ale tyhle základní zůstanou zdarma a myslí si, že s komunitním dotrénováním se s nimi půjde přiblížit novému Midjourney a Dall-E.

PRAASHEK: Já nevím o tom, že by dall-e někdo leaknul a dalo se to provozovat jinak než u nich na serveru. Jestli myslíš Dall-e mini alias craiyon, tak to by asi jít mělo, ale taky jsem nic nenašel a v diskuzi na hugging face někdo tvrdí, že to vyžaduje 12 GB RAM a je to pomalejší než Stable Diffusion.

Vyšel Stable Diffusion 2.0. Zatím jsem ho nezkoušel, není to jen nový model ale i trošku jiný software okolo a dokud ho nezačne podporovat nějaké rozumné GUI, tak jsem na to moc líný.

Změny:
- dvě verze, jedna pro 512x512 obrázky, druhá pro 768x768 obrázky
- vyměněná ta část modelu, která řeší porozumění textu: měla by být kvalitnější a přesnější, ale bude vyžadovat trochu se přeučit psát prompty
- profiltrovaný dataset obrázků, na kterých se trénuje s cílem zvýšit kvalitu protože je tam obecně hromada bordelu (nekvalitní a blbě ořezané obrázky či vyloženě nesmysly)
- CENZURA. Z datasetu zmizel všechen NSFW obraz, některé celebrity a současní umělci jako třeba nonstop propíraný Greg Rutkowski.

Na jednu stranu si tu skoro zlomyslně mnu ruce protože už mám po krk lidí na redditu co jsou furt dokola hrozně nadšení z toho jak se jim podařilo vygenerovat buchtu s pěkným obličejíkem a obříma prsama by Greg Rutkowski. Na druhou stranu tohle samozřejmě omezí i generování různejch morbidních bizárů anebo třeba obrazů ve stylu H. R. Gigera.

Emad ze Stability AI nicméně tvrdí, že účelem tohohle (a dalších vydaných) modelů je sloužit jako základ pro další dotrénování a že mají v plánu učinit komunitní trénování snadnějším a rychlejším. Taky říká, že tímhle vyřešením celebrit a NSFW byla odšpuntovaná jejich fronta modelů k vydání a nové verze budou vycházet častěji. K tomu prvnímu jsem trochu skeptický, protože jestli dotrénovávání modelu správně chápu, tak čím víc (i méně kvalitních) dat v modelu už je, tím snadnější je ho dotrénovat k lepšímu, takže například udělat ze SFW modelu NSFW bude v tomhle případě možná výrazně náročnější, ale to asi brzo zjistíme.

A self-portrait of the artist. Music generated with Open AI Jukebox and stitched together in Garageband. Video produced with a green-screen and Deforum Stable Diffusion 2.

I am the Wizardhead
https://youtu.be/u6Y5bxGfcIk

Týpek natrénoval model na svých vlastních fotkách bouří a teď si jím zdá se generuje nové a netušené atmosférické jevy:

Tak ještě jeden post z redditu který mě zaujal. Tentokrát jakési staré nalezené fotografie neznámého původu.

Stable Diffusion subreddit je většinou plnej nevkusnejch píčovin, ale tohle mě docela zaujalo. Takovej surrealistickej Americana styl, a přitom s překvapivou mírou fotorealismu.