हाल ही में, डेवलपर स्केयर्ड ने GitHub पर LanPaint जारी किया, जो एक ऐसा उपकरण है जो बिना किसी अतिरिक्त प्रशिक्षण के छवि पुनर्स्थापना की अनुमति देता है। यह उपकरण उपयोगकर्ताओं को किसी भी स्थिर प्रसार मॉडल (एसडी) पर उच्च-गुणवत्ता वाली छवि पुनर्स्थापना प्राप्त करने में मदद करने के लिए डिज़ाइन किया गया है, जिसमें उपयोगकर्ता द्वारा प्रशिक्षित कस्टम मॉडल भी शामिल हैं। LanPaint कई पुनरावृत्तियों के माध्यम से मॉडल को 'सोचने' की अनुमति देता है इससे पहले कि वह शोर को हटाए, जिससे अधिक निर्बाध और सटीक पुनर्स्थापना परिणाम प्राप्त होते हैं। LanPaint की मुख्य विशेषताओं में से एक शून्य-प्रशिक्षण पुनर्स्थापना है। उपयोगकर्ता तुरंत...

हाल ही में, बाइट्स जंपिंग ने LatentSync नामक एक नए मुँह के आकार के समन्वय ढाँचे को लॉन्च किया है, जिसका उद्देश्य ऑडियो शर्तित संभावित प्रसार मॉडल का उपयोग करके अधिक सटीक मुँह के आकार का समन्वय प्राप्त करना है। यह ढाँचा Stable Diffusion पर आधारित है और समय की स्थिरता के लिए ऑप्टिमाइज़ किया गया है। पहले के पिक्सेल स्पेस प्रसार या दो-चरणीय जनरेशन विधियों की तुलना में, LatentSync एक एंड-टू-एंड दृष्टिकोण अपनाता है, जिसमें मध्यवर्ती गति प्रतिनिधित्व की आवश्यकता नहीं होती है, और यह सीधे ऑडियो और दृश्य के बीच जटिल संबंधों का मॉडलिंग कर सकता है। LatentSync के भीतर

Stability AI ने आधिकारिक रूप से नए संस्करण Stable Diffusion 3.5 Large को लॉन्च किया है, जिसमें तीन नए ControlNet सुविधाएँ शामिल हैं: Blur, Canny और Depth। यह अपडेट उपयोगकर्ताओं को और अधिक शक्तिशाली छवि निर्माण क्षमताएँ प्रदान करता है, जिससे निर्मित चित्र अधिक समृद्ध और विविध होते हैं। Stability AI के अनुसार, इस मॉडल का विमोचन उनके सामुदायिक लाइसेंस समझौते के आधार पर हुआ है, जो उपयोगकर्ताओं को बिना व्यावसायिकता के मुफ्त में उपयोग करने की अनुमति देता है।

हाल की एक अध्ययन ने एक नई विधि का प्रस्ताव रखा है, जो मानव ध्यान का उपयोग कर कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न छवियों की गुणवत्ता में सुधार करती है। यह विधि छवियों के सबसे महत्वपूर्ण क्षेत्रों की पहचान करने के लिए प्रमुखता डिटेक्टर का उपयोग करती है और इन क्षेत्रों के निर्माण को प्राथमिकता देती है। पारंपरिक छवि निर्माण विधियाँ पूरे चित्र को समान रूप से ऑप्टिमाइज़ करती हैं, जबकि नई विधि प्रमुखता डिटेक्टर का उपयोग कर अधिक 'महत्वपूर्ण' क्षेत्रों की पहचान और प्राथमिकता करती है, जैसे कि इंसान। यह विधि छवि गुणवत्ता और पाठ संकेतों की सत्यता में सुधार कर सकती है। शोधकर्ताओं ने छवियों को उत्पन्न करने के लिए स्थिर प्रसार मॉडल और प्रमुखता डिटेक्टर का उपयोग किया।

गूगल के अनुसंधान दल ने 'अल्केमिस्ट' नामक एक क्रांतिकारी तकनीक का अनावरण किया है, जो उपयोगकर्ताओं को छवियों में वस्तुओं के सामग्री गुणों जैसे रंग, चमक और पारदर्शिता को सटीकता से संपादित करने की अनुमति देती है, बिना किसी पेशेवर सॉफ़्टवेयर या कौशल की आवश्यकता के। इसका मूल 'पाठ से छवि' (Text-to-Image) जनरेशन मॉडल है, जो सूक्ष्म समायोजन और संयुक्त डेटा सेट (जिसमें 3D मॉडल, विभिन्न सामग्रियाँ, कैमरा कोण और प्रकाशन शर्तें शामिल हैं) के निर्माण के माध्यम से मॉडल को केवल निर्दिष्ट सामग्री गुणों को बदलना सिखाता है, जबकि आकार और प्रकाश को अपरिवर्तित रखते हुए। प्रयोगों से पता चला है कि यह तकनीक फोटो की यथार्थता में और अधिक सुधार लाती है।

Stable Diffusion की核心 शोध टीम ने सामूहिक रूप से इस्तीफा देने की घोषणा की, जिसने प्रौद्योगिकी क्षेत्र में व्यापक ध्यान आकर्षित किया। टीम के नेता और लेखक ने इस्तीफा दिया, Stability AI के लिए संभावित वित्तीय संकट का सामना करना पड़ सकता है। स्थिर प्रसार परियोजना म्यूनिख विश्वविद्यालय और AI स्टार्टअप द्वारा संयुक्त रूप से पूरी की गई है। Stability AI का संचालन खर्च अधिक है और वित्तीय दबाव बढ़ रहा है, इससे पहले बिक्री की अफवाहें आई थीं। स्थिर प्रसार 3 की रिलीज के बाद,核心 टीम का सामूहिक इस्तीफा, कंपनी के भविष्य पर संदेह बढ़ा रहा है।

यह लेख कलाकार ग्रेग रुटकोस्की की उस याचिका की रिपोर्ट करता है कि उनके कला कार्यों को एआई से हटा दिया जाए, लेकिन इसके बावजूद एक रुटकोस्की विशिष्ट छवि जनरेटर बनाया गया।