Diffusionsmodelle setzen sich in der Bildgenerierung durch
2022 werden mit DALL·E 2, Stable Diffusion und Midjourney drei Systeme allgemein zugänglich, die Bilder aus Textbeschreibungen erzeugen. Sie arbeiten mit Diffusion und scheitern anfangs an kleinen Merkmalen wie Händen und Fingern.
OpenAIs DALL·E 2, Stable Diffusion und Midjourney erzeugen Bilder aus Beschreibungen in natürlicher Sprache.6 Im Juli 2022 ging DALL·E 2 in eine Beta, zu der OpenAI in den folgenden Wochen rund eine Million Menschen von der Warteliste einladen wollte.5 Entwickelt wurde Stable Diffusion unter Leitung von Patrick Esser von Runway und Robin Rombach von der Ludwig-Maximilians-Universität München;1 das Unternehmen Stability AI gab es im August 2022 zunächst an Forschende heraus1,2 und kündigte es als erstes einer Reihe offener Modelle an.1
Diffusionsmodelle werden darauf trainiert, einem Bild Rauschen hinzuzufügen; beim Erzeugen kehren sie den Vorgang um und entfernen Schritt für Schritt Rauschen, bis das Bild der Beschreibung entspricht.3 Stable Diffusion hatte anfangs Mühe, Hände und Zähne richtig darzustellen.3 Patrick Esser, der die Forschung am Kernmodell von Stable Diffusion leitete, sagte 2022, solche Modelle lieferten Ergebnisse hoher Qualität, seien aber nicht „100% consistent“.4
Emad Mostaque von Stability AI sprach 2022 davon, die Bilderzeugung zu demokratisieren.2 Inhaltsfilter, wie sie DALL·E 2 gegen Bilder öffentlicher Personen hatte, sollte Stable Diffusion kaum oder gar nicht haben.2
Siehe auch
- Zwei Netze gegeneinander — Generative Adversarial Networks 2014 Dieselbe Aufgabe, Bilder zu erzeugen, die echt wirken, mit einem älteren Verfahren.
Hierher verwiesen
- Zwei Netze gegeneinander — Generative Adversarial Networks 2014 Dieselbe Aufgabe, sieben Jahre später mit einer anderen Methode gelöst.