稳定扩散解决客户问题：icontext专家测试神经网络

ashammi298@gmai

Icontext 专家之前曾撰写过有关测试多个神经网络的文章。现在，我们又向前迈出了一步，将生成式人工智能更紧密地整合到机构工作中。新媒体 icontext 部门负责人 Artem Popov 解释了稳定扩散神经网络是什么，并展示了如何使用它的示例。


阿尔乔姆·波波夫
icontext机构（iConText Group）新媒体负责人
自从神经网络大量出现在市场上以来，文本和图像 TW 列表 已成为主要的应用点。如果就文本而言，我们今天的请求完全被 Google 的 Chat GPT 4.0 和 Bard 的功能所覆盖，那么就图像而言，我们需要更多的工具和微调选项。

我们的经验表明，当前的服务（例如 Midjourney 或 Kandinsky 2.2）可以很好地完成工作，但它们有需要考虑的功能。特别是，调整图像某些部分的能力或基于变形生成长视频的能力有限。

同时，作为一个机构，我们能够持续访问发电系统而不依赖外部服务，这一点很重要。此外，修改、加强和改进所使用系统的能力也发挥着重要作用。因此，当出现下一阶段将生成式人工智能引入代理任务的问题时，我们将注意力从稳定扩散转向了神经网络。
什么是稳定扩散
Stable Diffusion 是一种开源神经网络，用于根据文本查询生成图像，可在网站上找到并下载版本，由 Stability.ai 于 2022 年 8 月发布。

由于可以针对特定用户目标进行定制，该模型很快就得到了认可。如果您面临一项不平凡的任务，这一点很重要。

其主要优势在于其自定义生成模型，在各种数据集上进行训练，并允许您生成风格和视觉效果完全不同的图像。

此外，使用神经网络，您可以完成图像、将示意图转换为插图以及更改图片。例如，扩展背景、删除特定对象或用另一个对象替换它。
我们如何测试稳定扩散
安装这个神经网络后，我们收到了一个具有开放许可证和不断更新的可能性的开源模型 - 而且，它非常灵活。

这使您不必依赖对其他生成人工智能系统所做的更改，例如，这些更改并不总是适合客户当前的任务。与封闭系统（如 MidJourney）不同，在这里您可以选择并安装最适合解决客户在特定时刻的问题的生成模型。内部不同采样模型的存在可以让您更准确、更详细地定制所需图像的样式和可视化。

例如，我们现在使用几个已建立的模型，这些模型高度专注于获取人物的真实图像。下面您可以看到使用 Euler_a 采样的真实视觉模型的示例：

顺便说一句，调整图像的功能可以让您快速校正您喜欢的图像。让我们稍微重新配置一下脸部：

除了Realistic Vision之外，我们还开始使用其他模型，每种模型都能产生不寻常的结果。这不仅可以为客户创造独特的形象，还可以鼓励员工尝试新事物并训练他们的工业工程技能。

让我们尝试清楚地展示它。我们做了一个稍微不寻常的查询，并测试了五个模型，以显示他们对相同查询的看法有何不同。我们的要求听起来像这样：
吉卜力工作室、新海诚绘制的一幅高度详细的哑光画，画的是一个人在山上观看远处火箭发射， 4k 分辨率，artstation 上的趋势，杰作
种子：155355667 步数：150
那么我们看到了什么？

梦幻般的真实照片模型形成的图像尽可能接近舞会文本，使其色彩丰富且非常详细