设置
  • 日夜间
    随系统
    浅色
    深色
  • 主题色

可生成高清视频的 Stable Diffusion 来了!分辨率提升 4 倍,超分算法来自腾讯,支持 Colab 在线试玩

量子位 2022/9/19 12:14:05 责编:远生

古典人像丝滑切换,还都是 4 倍超分辨率水平,细节也就多了亿点点吧,眉毛发丝都根根分明。

这就是最近在推特上火了 Stable Diffusion 视频版 2.0.

它能够通过 Real-ESRGAN 进行上采样,让生成画面达到 4 倍超分。

要知道,之前 Stable Diffusion 生成的图像如果想要高清,还得自己手动提升分辨率。

现在直接二合一,在谷歌 Colab 上就能跑!

食用指南

Colab 上的操作非常简单,基本上就是傻瓜式按照步骤运行即可。

需要注意的是,过程中要从个人 Hugging Face 账户中复制 token 登入。

拉取模型前,记得在 Hugging Face 上授权,否则会出现 403 错误。

搞定以上问题后,就能来用 Stable Diffusion 来生成高清视频了。

生成一段视频需要给出 2 个提示词,然后设置中间的步数,以及是否需要上采样。

中间步骤越多,生成所需的时间越长;同样上采样也会一定程度上加长生成时间。

还能直接用代码来跑,修改几个简单的参数就能搞定。

除了线上模式外,该模型还支持本地运行,项目已在 GitHub 上开源。

注意需要额外安装 Real-ESRGAN。

超分算法来自腾讯

简单来说,这次 Stable Diffusion 的变种版本就是把生成的图片,通过超分辨率方法变得高清。

Stable Diffusion 的原理,是扩散模型利用去噪自编码器的连续应用,逐步生成图像。

一般所言的扩散,是反复在图像中添加小的、随机的噪声。而扩散模型则与这个过程相反 —— 将噪声生成高清图像。训练的神经网络通常为 U-net。

不过因为模型是直接在像素空间运行,导致扩散模型的训练、计算成本十分昂贵。

基于这样的背景下,Stable Diffusion 主要分两步进行。

首先,使用编码器将图像 x 压缩为较低维的潜在空间表示 z(x)。

其中上下文(Context)y,即输入的文本提示,用来指导 x 的去噪。

它与时间步长 t 一起,以简单连接和交叉两种方式,注入到潜在空间表示中去。

随后在 z(x)基础上进行扩散与去噪。换言之,就是模型并不直接在图像上进行计算,从而减少了训练时间、效果更好。

再来看超分辨率部分。

用到的方法是腾讯 ARC 实验室此前开发的 Real-ESRGAN,被 ICCV 2021 接收。

它可以更有效地消除低分辩率图像中的振铃和 overshoot 伪影

面对真实风景图片,能更逼真地恢复细节,比如树枝、岩石、砖块等。

原理方面,研究人员引出了高阶退化过程来模拟出更真实全面的退化,它包含多个重复的经典退化过程,每个又具有不同的退化超参:

下图为 Real-ESRGAN 进行退化模拟的示意图:

采用的是二阶退化,具体可分为在模糊(blur)、降噪(noise)、resize、JPGE 压缩几个方面。

到训练环节,Real-ESRGAN 的生成器用的是 RRDBNet,还扩展了原始的 ×4 ESRGAN 架构,以执行 resize 比例因子为 ×2 和 ×1 的超分辨率放大。

想要单独使用这种超分算法也不是问题。

在 GitHub 上下载该模型的可执行文件,Windows / Linux / MacOS 都可以,且不需要 CUDA 或 PyTorch 的支持。

下好以后只需在终端执行以下命令即可使用:

./realesrgan-ncnn-vulkan.exe -i input.jpg -o output.png

值得一提的是,Real-ESRGAN 的一作 Wang Xintao 是图像 / 视频超分辨率领域的知名学者。

他本科毕业于浙江大学本科,香港中文大学博士(师从汤晓鸥),现在是腾讯 ARC 实验室(深圳应用研究中心)的研究员。

此前曾登顶 GitHub 热榜的项目 GFPGAN 也是他的代表作。

One More Thing

前两天,大谷老师也发布了用 Stable Diffusion 生成了一组少女人像,效果非常奈斯。

顺带让我们都完成了一下“阅女无数”的成就(doge)。

Stable Diffusion 还能玩出哪些新花样?你不来试试吗?

Colab 试玩:

https://colab.research.google.com/github/nateraw/stable-diffusion-videos/blob/main/stable_diffusion_videos.ipynb

GitHub 地址:

https://github.com/nateraw/stable-diffusion-videos

Hugging Face 授权:

https://huggingface.co/CompVis/stable-diffusion-v1-4

参考

  • [1]https://twitter.com/_nateraw/status/1569315090314444802

  • [2]https://www.bilibili.com/video/BV1yd4y1g7Wz?spm_id_from=333.999.0.0

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

相关文章

关键词:软件算法

软媒旗下网站: IT之家 最会买 - 返利返现优惠券 iPhone之家 Win7之家 Win10之家 Win11之家

软媒旗下软件: 软媒手机APP应用 魔方 最会买 要知