Stability AIが新しい画像生成モデル「Stable Cascade」を発表 198

テキストから画像生成分野のリーディングカンパニー Stability AI が最近、Stable Cascadeという新モデルを発表しました。これはWürstchenアーキテクチャに基づくテキストから画像を生成するモデルです。チェックポイントと推論スクリプトの提供に加えて、Stability aiはファインチューニング、ControlNet、LoRA学習用のスクリプトも公開しており、ユーザーはこの新アーキテクチャをさらに試すことができます。これらはStabilityのGitHubページで見つけることができます。

Stability AIは、Stable Cascadeが業界をリードする前身であるStable Diffusionよりも高速で強力であることを約束しています。Stable Diffusionは他の多くのテキストから画像を生成するAIツールの基礎となっています。

Stable Cascadeとは？

Stable Cascadeは、テキストから画像を生成するモデルであり、自然言語のプロンプトからリアルで多様な画像を生成することができます。

Stable Cascadeは写真を生成したり、さまざまな画像編集タスクを実行したり、既存の画像の解像度を向上させることができます。例えば、既存の画像の解像度を上げたり、画像の一部を修正したり、別の画像のエッジから新しい画像を作成したりすることができます。

標準的なテキストから画像生成に加えて、Stable Cascadeは画像バリアントや画像から画像への生成も実行できます。

モデルと一緒にリリースされたControlNet機能：

部分再描画：テキストプロンプトと共に提供されるマスクとペアになった画像を入力として受け取ります。モデルは提供されたテキストプロンプトに基づいて画像のマスク部分を埋めます。

Canny Edge：モデルに入力された既存画像のエッジをトレースすることで新しい画像を生成します。このテストはスケッチからの拡張も可能です。

2x超解像：Cステージで生成された潜在空間にも使用可能です。

Stable Cascadeはどこで見つけられますか？また何に使用できますか？

Stable Cascadeは現在、GitHub上で研究目的のみで利用可能であり、商業目的での利用は想定されていません。

Stable Cascade githubリポジトリ：https://github.com/Stability-AI/StableCascade

Stability AIは、Stable Cascadeを使用してさまざまな画像生成および編集タスクを行う方法を示すColabノートブックを提供しています。また、StabilityのウェブサイトでStable Cascadeが生成した画像サンプルを閲覧することもできます。

Stable Cascadeは多用途なモデルであり、コンテンツ制作、デザイン、教育、エンターテインメントなどさまざまなアプリケーションに使用できます。例えば、Stable Cascadeを使用して架空のキャラクター、風景、動物、ロゴ、またはテキストで記述可能なあらゆる画像を生成できます。

また、「Stable Cascade」を使用して既存の画像の解像度を上げたり、スタイルを変更したり、オブジェクトを追加または削除したり、エッジから新しい画像を作成したりして、既存の画像を強化または変更することもできます。