SDXL 1.0 をリリースしました

Stability AIは、SDXL 1.0をオープンモデルとしてリリースしました。SDXL 0.9の研究専用リリースに続き、SDXLのフルバージョンは世界最高のオープン画像生成モデルとして改良されています。

SDXL 1.0 launch, made with forthcoming image control from Stability AI.

Stability AIが提供する最高の画像モデル

SDXL 1.0は、Stability AIのフラッグシップ画像モデルであり、画像生成のための最高のオープンモデルです。私たちはSDXL 1.0を今までのモデルと比較するテストを行いましたが、その結果は明確でした。この研究は、Discordで何世代にもわたって行われた実験モデルと、外部テストから取得した数週間のプリファレンスデータから得られたものです。

チャレンジングなコンセプトやスタイルに対応するアートワーク

SDXLは、事実上あらゆるアートスタイルで高品質の画像を生成し、フォトリアリズムに最適なオープンモデルです。モデルによって特定の「フィール」が付与されることなく、個性的な画像を生成できるため、スタイルの自由度が極限まで高まります。SDXL 1.0は、1024x1024のネイティブ解像度で、コントラスト、ライティング、シャドウが前モデルよりも向上し、鮮やかで正確な色に調整されています。

さらに、SDXLは、手やテキスト、または空間的に配置された構図（たとえば、前景の犬を追いかける背景の女性）など、画像モデルがレンダリングするのが難しい概念を生成することができます。

Better spatial configuration and style control, including photorealism.

よりシンプルな言葉で、よりインテリジェントに

SDXLでは、複雑で詳細な、美しい画像を作成するために必要な言葉はわずかです。ユーザーは、高品質の画像を得るために「masterpiece(傑作)」などの修飾語を使用する必要がなくなります。さらに、SDXLは「The Red Square」（有名な場所）と「(a) red square」（形状）のような概念の違いも理解できます。

最も大きなオープンイメージモデル

SDXL 1.0は、3.5Bのパラメータベースモデルと6.6Bのパラメータリファイナーから構成される革新的な新アーキテクチャに基づいて構築されており、オープンアクセス画像モデルの中でも最大級のパラメータ数を誇ります。

フルモデルはレイテント（潜在）ディフュージョンのための混合エキスパートパイプラインで構成されます：最初のステップでは、基本モデルが（ノイズの多い）潜在情報を生成し、最終的なノイズ除去ステップに特化したリファインメントモデルでさらに処理されます。ベースモデルはスタンドアローンモジュールとしても使用できることに注意してください。

この2段階のアーキテクチャにより、速度を損なうことなく、また過剰な計算リソースを必要とすることなく、ロバストな画像生成が可能になります。SDXL 1.0は、8GBのVRAMを搭載したコンシューマー向けGPUや、すぐに利用可能なクラウドインスタンスで問題なく動作するはずです。

ファインチューニングと高度なコントロール

SDXL 1.0では、カスタムデータに対するモデルのファインチューニングがこれまで以上に簡単になりました。カスタムのLoRAやチェックポイントを、データ調整の必要性を減らして生成できます。Stability AIは、SDXLに特化したT2I / ControlNetを使用して、タスク固有の構造、スタイル、およびコンポジションコントロールの次世代を構築しています。これらの機能は現在ベータプレビュー中ですが、ファインチューニングのアップデートにご期待ください。