> ML_LITERATURE // ROMBACH-2022-HIGH-RESOLUTION-IMAGE-SYNTHESIS-LATENT-DIFFUSION-MODELS_v1.0
High-Resolution Image Synthesis with Latent Diffusion Models (Stable Diffusion)
Robin Rombach, Andreas Blattmann, Dominik Lorenz, Patrick Esser, Björn Ommer · IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2022)
seminal-architecture2022industry-standardthirdPartyReproduced
Temel Katkı (Principal Contribution)
Çapraz dikkat koşullandırması ile önceden eğitilmiş bir otomatik kodlayıcının alt boyutlu gizil uzayında difüzyon çalıştırarak Stable Diffusion'ı başlattı.
Operasyonel ve Mühendislik Uygunluğu
Küresel açık kaynaklı görüntü üretim endüstrisinin temeli (Stable Diffusion 1.5, SDXL, ControlNet, LoRA).
Temel Varsayımlar (Assumptions)
- Algısal sıkıştırma, yüksek frekanslı algılanamaz piksel detaylarını görüntülerdeki anlamsal kavramsal kompozisyondan ayırır
Kısıtlar ve Sınırlamalar (Limitations)
- Otomatik kodlayıcı kod çözücüler küçük yüz veya metin ayrıntı kusurları getirebilir; T5 metin kodlayıcı olmadan uzamsal metin işlemede zorlanır
Bağlantılı Algoritmalar, Mimariler ve Kütüphaneler
İlgili Algoritmalar:
İlgili Mimariler:
Uygulayıcı Kütüphaneler: