Stability AI とは何か？

What is stability AI? は、公開証拠によりインターネットインフラストラクチャ、ガバナンス、運用依存性、または市場の可視性に関連付けられているため、BTW メディアによってプロファイルされています。

• Stable Cascade は、Würstchen アーキテクチャに基づいた、最近公開された非商用のテキストから画像を生成するモデルです。3 段階のアプローチを採用しており、一般消費者向けハードウェアでのトレーニングと微調整が容易です。
• Stable Cascade は、Würstchen アーキテクチャ上に構築された革新的なテキスト・画像合成モデルであり、独自の 3 段階アプローチを使用して一般消費者向けハードウェアでのトレーニングと微調整を簡素化し、階層的圧縮により高品質な結果を実現します。
• Stable Cascade は、標準的なテキスト・画像生成を超えて、画像バリエーションや画像から画像への生成、さらに ControlNet と LoRA 向けの包括的なトレーニングスクリプトを提供し、その柔軟性と多用途性を示しています。

Stable Cascade は、独自の 3 段階アーキテクチャにより、圧縮された画像空間で高品質な出力を達成し、ハードウェア要件を低減する革新的なテキストから画像を生成するモデルです。モデルと関連するトレーニングスクリプトは、Stability の GitHub ページで入手可能であり、さらなるカスタマイズと実験が可能です。

テキストから画像生成の新時代

Stable Cascade は、Würstchenアーキテクチャ上に構築され、研究プレビューとして非商用ライセンスで公開された革新的なテキスト・画像合成モデルです。このモデルは、独自の 3 段階アプローチを特徴とし、一般消費者向けハードウェアでのトレーニングと微調整プロセスを簡素化します。公開には、チェックポイント、推論スクリプト、およびControlNetとLoRA向けの追加トレーニングスクリプトが含まれており、これらはすべて Stability の GitHub ページで入手可能です。このモデルは、diffusers ライブラリを介して推論にもアクセスできます。画像の階層的圧縮に焦点を当てることで、Stable Cascade は高度に圧縮された潜在空間で高品質な結果を達成し、テキスト・画像生成の品質と効率の新たなベンチマークを確立しています。

関連記事：Stability AI、新しい基盤モデル Stable Diffusion で画像生成を向上

関連記事：Stability AI の CEO Emad Mostaque が分散型 AI を追求するために辞任

技術詳細の公開

Stable Cascade のアーキテクチャは 3 つの段階からなり、それぞれが高品質な画像生成に重要な役割を果たします。ステージ C は、潜在生成フェーズであり、ユーザー入力を 24×24 のコンパクトな潜在表現に変換します。これらはステージ A と B に渡され、潜在デコーダフェーズでは、Stable Diffusion における VAE の役割と同様に、画像をさらに圧縮しますが、はるかに高い圧縮率を実現します。この分離により、ステージ C のみで ControlNet や LoRA を含む追加のトレーニングや微調整が可能になり、同サイズの Stable Diffusion モデルと比較してコストを 16 分の 1 に削減します。モジュラーアプローチにより、効率的なトレーニングと推論が保証され、この分野における重要な進歩となっています。

テキストから画像生成を超えて

Stable Cascade は、標準的なテキスト・画像生成を超えて、画像バリエーションや画像から画像への生成を提供することで、その能力を拡張しています。CLIP を使用して特定の画像から画像埋め込みを抽出することで、モデルは元の画像の複数のバリエーションを生成できます。この機能は、モデルの柔軟性と多用途性を示しています。さらに、公開には ControlNet と LoRA 向けのトレーニングおよび微調整スクリプトが含まれており、ユーザーはアーキテクチャをさらに実験できます。インペインティングとアウトペインティングに特化した ControlNet も提供されており、創造的かつ実用的なアプリケーションへの可能性を強調しています。

コミュニティと非商用に焦点

Stable Cascade は現在、非商用利用のみが可能です。ただし、Stability AI は商用目的向けに、メンバーシップページまたは開発者プラットフォームを通じて他の画像モデルを提供しています。この公開はコミュニティの関与と実験を奨励しており、すべてのトレーニングおよび推論コードは Stability の GitHub ページで入手可能です。Stability AI は、Twitter、Instagram、LinkedIn、Discord コミュニティなどのソーシャルメディアプラットフォームを通じて進捗をフォローするようユーザーに呼びかけています。このアプローチは、アクセシビリティと革新性を維持しながら、テキスト・画像生成分野の進歩を目指す協力的な環境を促進します。