Diffusion stable expliquée (en moins de 10 minutes)
Les générateurs d’images IA sont devenus très populaires au cours des 2 dernières années, mais bien qu’ils soient si largement utilisés, ils sont toujours un mystère pour la plupart des gens dans cette vidéo je vais vous donner une plongée profonde sur la diffusion stable qui est devenue l’un des outils les plus populaires dans ce domaine il suffit souvent d’une simple demande de texte d’image pour obtenir une image étonnante ou vous téléchargez une image ajouter une invite de texte et obtenir quelque chose de complètement nouveau et c’est ce que nous appelons generative AI generative AI est non seulement utilisé pour la génération d’images il est un ensemble de technologies utilisées à diverses fins nous avons d’abord des outils de texte comme chat GPT Gemini Claude Mistral Llama Or Gro puis nous avons du texte à des outils d’image comme mi Journey doll e imaginez Muse et bien sûr stable diffusion alors il y a du texte à musique avec musique LM music gen stable audio et sodo et enfin du texte à vidéo avec vidéo Lumiere emu images ne nécessite pas de texte stable diffusion et la célèbre Sora par open AI nous avons besoin d’une nouvelle version qui a besoin d’un modèle bien été en attendant des problèmes juridiques, certains modèles plus récents essaient d’éviter des images neurales, la prochaine grande question est de savoir comment la formation est faite avec une méthode appelée Deep learning et c’est tout au sujet des réseaux neuraux pour une diffusion stable nous avons besoin de deux couches réseau la première est la couche convolutionale plus à son sujet plus tard et la seconde est appelée la couche d’auto-attention peut sembler drôle mais nous allons y entrer et ces deux couches sont étroitement connectées les unes aux autres maintenant certaines choses de base sur les réseaux neuraux pour vous donner une meilleure compréhension des réseaux neuraux se composent de neurones qui sont connectés entre les différentes couches nous pourrions d’une manière ou d’une autre la comparer avec le cerveau humain il y a une couche d’entrée une ou plusieurs couches cachées et une couche de sortie et si tous les neurones d’une couche sont connectés avec chaque neurone de la couche suivante il est appelé un réseau neural entièrement connecté il y a aussi des poids et B biaises différentes connexions neurales il y a un poids qui détermine la force ou l’influence de chaque couche cachée contient un biais qui est une valeur constante de l’autre et il n’y a qu’un petit nombre de neurones d’entrée qui se connectent à la couche cachée, ce qui signifie que tous les neurones cachés détectent la même fonctionnalité dans une image, ce qui signifie que la convolution peut extraire les fonctionnalités des images en utilisant la relation entre les pixels adjacents afin qu’un réseau formé avec Einstein puisse le détecter n’importe où dans une image suivante voyons comment l’ordinateur Vision fonctionne qu’il traite de la question ce qui est dans une image le premier niveau est la classification d’une image niveau deux est la localisation plus niveau trois est la détection d’objets et le niveau quatre est la segmentation sémantique où la position de chaque type d’objet dans une image est exactement déterminée maintenant la diffusion stable utilise le niveau quatre let’s voir comment elle est faite pour que l’image soit prise en compte plus grand nombre d’images l’image est l’image originale plus le bruit donc si nous savons le niveau de bruit nous pouvons le soustraire et récupérer l’image originale qui s’appelle Den noising donc le processus de bruit est inversé et il est également alimenté dans le unet Maintenant comment pouvons-nous intégrer les descriptions d’image nous prenons la peinture de Mona Lisa les mots sont convertis en un vecteur un tas de nombres et pour cela nous utilisons une liste commune appelée mot à VEC où tous les mots anglais sont déjà répertoriés et basés sur tous les textes disponibles sur les mots Internet utilisés dans des contextes similaires avons des vecteurs similaires ici un exemple pour Einstein et puisque les mots sont des vecteurs vous pouvez faire des calculs par exemple King moins homme plus femme égal Reine et ici nous avons notre couche d’auto attention mais il ya un problème regarder la phrase l’homme tué le chien il a le même Vector que le chien tué l’homme donc nous avons aussi besoin d’encoder la position des mots qui s’appellent encodage positionnel alors nous pouvons résumer l’image pour un vecteur par la couche convolutionale que nous avons fait le même avec la couche d’auto-
Watch on YouTube
Keyword: Stable Diffusion tutorial