Stable Diffusion जैसे मॉडल का आगमन छवि जनरेशन के क्षेत्र में महत्वपूर्ण प्रगति का प्रतीक है, लेकिन यह स्वयं-प्रतिद्धारित भाषा मॉडल के साथ इसके मौलिक भेद ने एक एकीकृत भाषा दृश्य मॉडल के विकास में बाधा उत्पन्न की है। इस समस्या को हल करने के लिए, शोधकर्ताओं ने Meissonic का परिचय दिया है, जो गैर-स्वयं-प्रतिद्धारित मास्क छवि मॉडलिंग (MIM) टेक्स्ट-टू-इमेज तकनीक को SDXL जैसे अत्याधुनिक प्रसार मॉडल के स्तर तक बढ़ा देता है। Meissonic की मूल निर्माताओं की एक श्रृंखला, उन्नत स्थान 编

अलीबाबा के टोंग यी प्रयोगशाला के नवीनतम शोध से पता चलता है कि मौजूदा टेक्स्ट-टू-इमेज डिफ्यूजन ट्रांसफार्मर मॉडल वास्तव में विशिष्ट संबंध वाली छवियों की एक से अधिक उत्पादन करने की क्षमता रखता है। इसे केवल थोड़ी "संकेत" देने की आवश्यकता है जिससे यह "समग्रता" में बदल सकता है और उच्च गुणवत्ता वाले मल्टी-इमेज संग्रह उत्पन्न कर सकता है। पारंपरिक डिफ्यूजन मॉडल अधिकतर "याददाश्त में खोया हुआ" छात्रों की तरह होता है, जिसे उच्च गुणवत्ता वाली छवियों को उत्पन्न करने के लिए विशाल डेटा के साथ प्रशिक्षित किया जाना चाहिए। जबकि IC-LoRA के सहयोग से, यह "संबंधित विषयों का गहन ज्ञान" रखने वाले छात्र में बदल जाता है।

डिज़्नी की शोध टीम ने हाल ही में एक नई इमेज compression विधि पेश की है, जो ओपन-सोर्स Stable Diffusion V1.2 मॉडल का उपयोग करती है। यह विधि प्रतिस्पर्धियों की तुलना में कम बिटरेट पर अधिक वास्तविक छवियां उत्पन्न कर सकती है। इस नई विधि को 'कोडेक' के रूप में जाना जाता है, हालाँकि यह पारंपरिक JPEG और AV1 कोडेक की तुलना में बहुत अधिक जटिल है, लेकिन इसके प्रदर्शन ने सबको चकित कर दिया है। अध्ययन से पता चलता है कि नई विधि इमेज की विस्तार में सुधार करने के मामले में बेहतर प्रदर्शन करती है, साथ ही आवश्यक प्रशिक्षण लागत को भी काफी कम कर देती है। शोधकर्ता

Stability AI ने तकनीकी बाधाओं को फिर से तोड़ते हुए नया Stable Diffusion 3.5 Medium मॉडल लॉन्च किया है। यह जन साधारण के लिए AI चित्रकला उपकरण न केवल पूरी तरह से मोफ़्त और व्यावसायिक उपयोग के लिए खुला है, बल्कि उच्च प्रदर्शन और लोकप्रियता के बीच एक आदर्श संतुलन भी बनाता है। इस बहु-मोडल प्रसार परिवर्तक (MMDiT-X) आर्किटेक्चर से सुसज्जित मॉडल में 2.5 बिलियन पैरामीटर हैं, जो सामान्य उपयोगकर्ताओं के हार्डवेयर की बाधाओं को प्रभावी ढंग से हल करता है। इसे केवल 9.9GB वीडियो मेमोरी की आवश्यकता होती है, और यह अधिकांश उपभोक्ता ग्राफ़िक्स कार्ड पर बिना किसी रुकावट के चल सकता है।

हाल ही में, बीजिंग आर्टिफिशियल इंटेलिजेंस अकादमी की शोध टीम ने एक नया छवि जनरेटिंग मॉडल OmniGen पेश किया है। OmniGen, जो कि बहुपरकारी छवि निर्माण और संपादन के लिए एक उत्कृष्ट प्रतिभागी है, पिछले छवि जनरेटर जैसे Stable Diffusion से अलग है। OmniGen की सबसे बड़ी विशेषता यह है कि यह अब केवल एक ही कार्य पर ध्यान केंद्रित नहीं करता है, बल्कि यह कई क्षमताएं रखता है: यह एक एकीकृत ढांचे के तहत विभिन्न छवि जनरेटिंग कार्यों को संभाल सकता है, जैसे कि पाठ से छवि निर्माण और छवि संपादन। यह कहना उचित होगा कि यह एक बहुपरकारी प्रतिभागी है। इसका मतलब यह है कि उपयोगकर्ता को केवल साधारण संकेत प्रदान करने की आवश्यकता है।

गूगल DeepMind ने हाल ही में मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (MIT) के साथ मिलकर एक महत्वपूर्ण शोध成果 발표 किया। शोध टीम द्वारा विकसित किए गए नए स्व-संवेदन मॉडल Fluid ने पाठ-से-छवि उत्पादन के क्षेत्र में अभूतपूर्व प्रगति हासिल की है, और यह मॉडल 10.5 अरब पैरामीटर के पैमाने पर विस्तार के बाद उत्कृष्ट प्रदर्शन दिखा रहा है। यह शोध उद्योग की सामान्य धारणाओं को पलट देता है। पहले, स्व-संवेदन मॉडल भाषा प्रसंस्करण के क्षेत्र में प्रमुख रहे हैं, लेकिन छवि उत्पादन के मामले में, उन्हें हमेशा Stable Diffusion और Google से कम माना गया है।

कल रात, Stability AI ने अपना सबसे शक्तिशाली मॉडल - Stable Diffusion 3.5 जारी किया, जो केवल एकल मॉडल नहीं है, बल्कि तीन संस्करणों का एक संपूर्ण सेट है, जो शोधकर्ताओं से लेकर व्यवसाय के उत्साही, स्टार्टअप और कंपनियों की विविधता की आवश्यकताओं को पूरा करने के लिए डिज़ाइन किया गया है। ये तीन संस्करण हैं Stable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Turbo और 29 अक्टूबर को लॉन्च होने वाला है।

हाल ही में, आर्टिफिशियल इंटेलिजेंस कंपनी Stability AI ने घोषणा की कि प्रसिद्ध निर्देशक जेम्स कैमरून उनके बोर्ड में शामिल होंगे। यह खबर निश्चित रूप से फिल्म उद्योग में बड़े धूमधाम के साथ आई है। सभी जानते हैं कि कैमरून ने "अवतार", "टर्मिनेटर" और "टाइटैनिक" जैसी क्लासिक फिल्मों का निर्देशन किया है, और उनकी भागीदारी Stability AI के लिए एक महत्वपूर्ण जीत मानी जा रही है। Stability AI एक ऐसी कंपनी है जो इमेज और वीडियो जनरेशन पर ध्यान केंद्रित करती है, और इसका सबसे प्रसिद्ध उत्पाद Stable Diffusion है।

रिपोर्ट के अनुसार, Reddit उपयोगकर्ता एक नकली, कृत्रिम रूप से बनाए गई महिला की नग्न तस्वीरों के लिए भुगतान कर रहे थे। ये तस्वीरें कृत्रिम बुद्धिमत्ता उपकरण Stable Diffusion द्वारा बनाई गई थीं, जो बेहद वास्तविक दिखती हैं और इन्हें भेद पाना बहुत मुश्किल है। कुछ महीने पहले, ये छवियाँ कई Reddit फोरम पर पहली बार सामने आईं, जिसने कई उपयोगकर्ताओं का ध्यान आकर्षित किया और टिप्पणियाँ कीं। Stable Diffusion द्वारा बनाई गई सुंदरियों की तस्वीरों पर एक उपयोगकर्ता ने क्लॉडिया की तस्वीर देखने के बाद टिप्पणी की: "आप सच में खूबसूरत हैं!"

जर्मन शोध संस्थान LAION ने नया डेटा सेट Re-LAION-5B तैयार और जारी किया है, जिसमें उनका दावा है कि उन्होंने संदिग्ध बच्चों के यौन शोषण सामग्री (CSAM) लिंक हटा दिए हैं। यह डेटा सेट पुराने डेटा सेट LAION-5B का सुधारित संस्करण है, जिसमें इंटरनेट ऑब्जर्वेटरी फंडेशन, मानवाधिकार देखरेख, कैनेडियन चाइल्ड प्रोटेक्शन सेंटर और स्टैनफोर्ड इंटरनेट ऑब्जर्वेटरी की सिफारिशों को शामिल किया गया है। Re-LAION-5B के दो संस्करण हैं: Research और Research-Safe, जिसमें बाद वाले में अतिरिक्त रूप से NSFW सामग्री हटाई गई है। डेटा सेट का उद्देश्य समर्थन करना है

Runway ने Hugging Face प्लेटफ़ॉर्म से स्थिर विसरण v1.5 सहित कोड संग्रह को गुप्त रूप से हटा दिया, इस कदम ने प्रौद्योगिकी क्षेत्र में व्यापक ध्यान आकर्षित किया। हटाने की क्रिया ने Hugging Face या समुदाय के सदस्यों को सूचित नहीं किया, जिससे इन संसाधनों पर निर्भर विकासक और शोधकर्ता परेशान हो गए। स्थिर विसरण v1.5 Runway द्वारा किए गए शोध परियोजनाओं में से एक था और संबंधित पत्रों में एक महत्वपूर्ण स्थान रखता था। हालांकि, यह संस्करण कॉपीराइट मुद्दों के कारण

जिया जिया टीम द्वारा विकसित ControlNeXt एक ओपन-सोर्स इमेज/वीडियो जनरेशन गाइड टूल है, जिसका उद्देश्य AI मॉडल के उपयोग की प्रक्रिया को सरल बनाना है। यह उपकरण छोटा और हल्का है, और Stable Diffusion परिवार के मॉडल जैसे SDXL, SD1.5 के साथ संगत है, जो कई नियंत्रण मोड जैसे कि किनारा मार्गदर्शन, मुद्रा नियंत्रण, मास्किंग और गहराई नियंत्रण का समर्थन करता है। इसके ‘वज़न घटाने के रहस्य’ में अधिक कुशल संरचना को शामिल किया गया है, जिसमें ‘बड़ा खाने वाला’ नियंत्रण शाखा को कुछ ResNet खंडों से बने ‘हल्का भोजन पैकेट’ द्वारा प्रतिस्थापित किया गया है, जिससे मॉडल का आकार

ViPer एक व्यक्तिगत छवि उत्पन्न करने वाला उपकरण है, जिसे उपयोगकर्ताओं के साथ बातचीत करके उनके कलात्मक प्राथमिकताओं को सीखने और लागू करने के लिए डिज़ाइन किया गया है, जो Midjourney के समान है। उपयोगकर्ता की छवियों पर टिप्पणियों का विश्लेषण करके, ViPer 'नरम रंग', 'धुंधली रोशनी', 'स्वप्निल वातावरण' जैसी प्राथमिकताओं की पहचान करता है और नए छवियों को उत्पन्न करते समय इसे मार्गदर्शक सिद्धांत के रूप में उपयोग करता है, जिससे उपयोगकर्ता को पसंद नहीं आने वाले तत्वों से बचा जा सके। इस तरह ViPer उपयोगकर्ता की सौंदर्य वरीयताओं के अनुरूप, व्यक्तिगत शैली को प्रतिबिंबित करने वाली छवियाँ बनाने में सक्षम होता है, जिससे उपयोगकर्ताओं को अद्वितीय कलात्मक निर्माण का अनुभव प्राप्त होता है। ऑनलाइन अनुभव का पता है: h

AI का संगीत निर्माण क्षेत्र में उपयोग भारत के स्टार्टअप Beatoven.ai पर नवाचार और चुनौतियों का सामना कर रहा है। संगीत परिवार से आए और इंजीनियरिंग पृष्ठभूमि वाले संस्थापक Mansoor Rahimat Khan द्वारा नेतृत्व किया गया, यह प्लेटफ़ॉर्म संगीत जनरेशन के लिए आसान इंटरफ़ेस और कस्टमाइज़ेशन विकल्प प्रदान करके कॉपीराइट और उचित मुआवजे के मुद्दों को हल करने के लिए प्रतिबद्ध है। Beatoven.ai ने 2021 में अपनी स्थापना के बाद से कुल 2.42 मिलियन डॉलर की फंडिंग पूरी की है। इसका अनोखा "Augment" फीचर उपयोगकर्ताओं को...

Stability AI ने अपने Stable Diffusion3 लाइसेंस को आसान किया है, हाल की विवादों का जवाब देते हुए, इसका उद्देश्य अपने नवीनतम लाइसेंस条款 के खिलाफ उपयोगकर्ताओं की आपत्ति को कम करना है। प्रारंभिक रिलीज में प्रतिबंधात्मक शर्तें शामिल थीं, जिससे समुदाय में असंतोष हुआ, विशेषकर CivitAI प्लेटफ़ॉर्म पर। आलोचनाओं का सामना करते हुए, Stability AI ने एक और उदार सामुदायिक लाइसेंस जारी किया, जो SD3 मॉडल का मुफ्त में उपयोग करने की अनुमति देता है, अनुसंधान और गैर-व्यावसायिक उद्देश्यों के लिए। उन्होंने व्यावसायिक उपयोग के लिए अतिरिक्त लचीलापन भी प्रदान किया।

Stable Diffusion 3 मॉडल जारी DiT (Diffusion Transformer) संरचना का उपयोग Stable Diffusion 3 में गुणवत्ता में महत्वपूर्ण सुधार Stable Diffusion 3 अन्य पाठ से छवि निर्माण प्रणालियों से बेहतर Stable Diffusion 3 के पैरामीटर 800M से 8B तक BD3 संरचना Sora के प्रमुख शोध सदस्यों और न्यूयॉर्क विश्वविद्यालय के सहायक प्रोफेसर के सहयोग पर आधारित है MMD

Stable Diffusion 3 तकनीकी रिपोर्ट ने SD3 के लिए मल्टी-मोडल डिफ्यूजन ट्रांसफार्मर आर्किटेक्चर MMDiT का परिचय दिया। SD3 ने प्रदर्शन में सुधार के लिए दोबारा भारित धारा तकनीक को पेश किया। SD3 ने स्केलेबिलिटी पर अनुसंधान किया और भविष्य के प्रदर्शन सुधार के लिए टेक्स्ट एनकोडर पर मुद्दों और सुझावों की अपेक्षा की।

Stable Diffusion 3 एक सबसे मजबूत टेक्स्ट से छवि मॉडल है। Stable Diffusion 3 MMDiT आर्किटेक्चर को अपनाता है, जो मौजूदा टेक्स्ट से छवि जनरेशन सिस्टम की प्रदर्शन को बढ़ाता है। Stable Diffusion 3 दृश्य सौंदर्य, टेक्स्ट पालन और टाइपोग्राफी में अन्य उन्नत मॉडलों से आगे है। MMDiT आर्किटेक्चर DiT और आयताकार प्रवाह रूपों को जोड़ता है, जो छवि और भाषा प्रस्तुतियों को स्वतंत्र वजन सेट के साथ संसाधित करता है। Stable Diffusion 3 में लचीलापन है।