Stable Diffusion

ChatGPT를 이용해 Stable Diffusion 프롬프트 만들기 요즘 AI(Artificial Intelligence) 기술의 발전으로 인공지능 모델을 이용해 다양한 일을 처리할 수 있게 되었습니다. 그 중에서도 GPT(Generative Pre-trained Transformer)는 주어진 입력에 대해 출력을 생성하는 기술입니다. 이번 글에서는 OpenAI에서 제공하는 ChatGPT를 이용하여 스테이블 디퓨전 프롬프트를 만드는 방법에 대해 살펴보겠습니다. 1. AIPRM for ChatGPT 설치 ChatGPT를 이용하기 위해서는 먼저 크롬 확장 프로그램인 AIPRM for ChatGPT를 설치해야 합니다. 이 확장 프로그램을 이용하면 OpenAI에서 제공하는 ChatGPT를 더욱 쉽게 이용할 수..

Stable Diffusion 2023. 5. 11. 23:53

ControlNet Openpose 설치 및 사용 방법 1. 스테이블 디퓨전 실행 후 Extensions > Install from URL 에서 다음 주소를 입력하고 인스톨을 한다. https://github.com/Mikubill/sd-webui-controlnet GitHub - Mikubill/sd-webui-controlnet: WebUI extension for ControlNet WebUI extension for ControlNet. Contribute to Mikubill/sd-webui-controlnet development by creating an account on GitHub. github.com 2. 다음 링크에서 control_v11e_sd15_ip2p_fp16.safeten..

Stable Diffusion 2023. 5. 10. 17:25

VAE 의 원조를 찾아서 Variational Autoencoder(VAE)는 인공지능이 생성한 이미지를 입력받아 최종 픽셀로 출력해 주는 신경망입니다. 디퓨전으로 생성된 이미지의 색상과 화질에 영향을 끼치기 때문에 필터로 이해해도 좋습니다. 인공지능 그림을 처음 뽑았을 때 물 빠진 색감이 나오는 이유는 VAE가 제대로 설정되지 않아서 그렇습니다. 지금부터 많이 사용되는 VAE에 대한 색감 비교와 함께 VAE 종류와 그 기원에 대해 조사한 내용을 알려드리고 어떤 VAE를 사용하면 좋을지 상황별로 추천해 드리도록 하겠습니다. 결정적 이미지 먼저 VAE 비교를 위해서는 결정적으로 이미지가 출력되는 환경이 만들어져야 합니다. 시드와 설정값이 동일해도 생성된 이미지가 계속 달라지는 것을 경험하셨을 것입니다. 여..

Stable Diffusion 2023. 5. 4. 01:19

샘플링 스텝 변경과 Denoising Strength 이해하기 이번 글에서는 샘플링 스텝 20의 포즈가 마음에 들지 않았기 때문에 스텝 수를 변경해 적절한 베리에이션을 찾아보고, 업스케일을 하면서 Denoising strength에 대해 알아보겠습니다. 샘플링 스텝 변경 결과 Denoising Strength란 무엇인가? 사용자가 Stable Diffusion에게 이미지 간 변환(image-to-image, img2img) 또는 InPaint를 통해 입력 이미지에서 출력을 생성하도록 요청하면, 이 과정은 seed를 기반으로 입력에 노이즈를 추가하여 시작됩니다. 추가되는 노이즈의 양은 Denoising Strength에 의해 제어되며, 최소 0부터 최대 1까지의 값을 가질 수 있습니다. Denoising ..

Stable Diffusion 2023. 5. 1. 01:14

업스케일링은 저해상도 이미지를 고해상도로 변환하는 과정을 말합니다. 예를 들어, 1024x1024 이미지를 두 배로 확대하려면 이미지의 픽셀 수를 2배로 늘려 2048x2048 픽셀로 만들어야 합니다. 이미지의 크기를 늘리려면 앱이나 컴퓨터 프로그램이 이미지에 픽셀을 추가해야 합니다. 이 과정을 이미지 리샘플링이라고 합니다. AI 이전에는 다음과 같은 방법이 일반적이었습니다. 최근접 이웃 보간법(Nearest neighbor interpolation): 기본 리샘플링이라고도 불립니다. 저해상도 이미지의 픽셀을 복사하여 높은 해상도의 모든 픽셀을 채웁니다. 이 방법으로 생성된 이미지가 좋지 않은 품질을 보이기 때문에, 앱에서 보간 후 필터를 적용하여 생성된 톱니 모양의 가장자리를 완화하는 경우가 있습니다...

Stable Diffusion 2023. 4. 30. 00:31

Stable Diffusion은 시드 숫자(seed number)에 기반한 잡음처럼 보이는 이미지를 먼저 생성하는 알고리즘을 사용합니다. 초기 잡음 이미지에서 텍스트 프롬프트와 일치하는 객체, 패턴, 색상 등을 인식하고 이미지를 약간 개선하려고 시도합니다. 그런 다음 인식 프로세스를 다시 실행합니다. 이 과정이 반복되며 충분한 반복 후에는 사람 눈에 인식 가능한 이미지가 됩니다. 이렇게 작업하는 것이 바로 샘플링 단계입니다. 아래 이미지 시리즈에서 CFG 척도가 8으로 설정된 DPM++ 2M Karras 샘플러 방법을 사용하여 이 과정을 보여줍니다. 높은 샘플링 스텝 값의 문제점 더 많은 스텝이 더 많은 세부 사항과 더 높은 출력 이미지 품질을 가져올 것이라고 생각하여 샘플링 스텝 수를 매우 높게 설정하..

Stable Diffusion 2023. 4. 29. 18:32

Stable Diffusion에서 CFG는 Classifier Free Guidance 척도를 나타냅니다. CFG는 텍스트 프롬프트를 얼마나 정확하게 따를지를 조절하는 설정으로, 텍스트를 이미지로 (txt2img) 및 이미지를 이미지로 (img2img) 변환하는 데 사용됩니다. CFG 값이 높으면 이론적으로 프롬프트를 더 엄격하게 따르게 됩니다. 기본값은 7로, 창의적인 자유와 지시 사항을 따르는 균형을 잘 이룹니다. 값이 1인 경우 거의 완전한 자유를 가지게 되며, 15 이상의 값은 상당히 제한적이라고 볼 수 있습니다. Stable Diffusion에서 CFG를 증가시키면 출력 이미지 품질에 영향을 미칩니다. CFG가 증가함에 따라 색상 포화도가 높아집니다. CFG가 증가함에 따라 이미지 대비가 증가합..

Stable Diffusion 2023. 4. 29. 17:35

Latent 와 ESRGAN 업스케일러 비교 Latent와 ESRGAN은 모두 GAN(Generative Adversarial Network)이라는 딥러닝 모델을 사용하여 이미지를 업스케일링합니다. 그러나 두 모델은 서로 다른 방식으로 이미지를 업스케일링합니다. ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks Star | Fork | Issue Pipeine for Image Super-Resolution task that based on a frequently cited paper, ESRGAN: Enhanced Su..

Stable Diffusion 2023. 4. 29. 15:46