上海階躍星辰智能科技有限公司は先日、画像生成モデルStep-1Xシリーズの大幅なアップグレードを発表し、性能が向上したStep-1X-Mediumバージョンをリリースしました。このアップグレード版では、MMDitアーキテクチャに基づき生成速度が30％以上向上しました。また、ターゲットを絞ったトレーニングにより、理解力とテキストと画像の一貫性が向上し、生成された画像のディテールと質感がより自然になりました。

Stability AIが技術的障壁を再び突破し、新しいStable Diffusion 3.5 Mediumモデルを発表しました。この一般ユーザー向けのAIペイントツールは、完全に無料で商用利用が可能であるだけでなく、高性能と普及性の完璧なバランスを実現しています。多様なモダリティ拡散変換器（MMDiT-X）アーキテクチャを採用したこのモデルは、25億パラメータの簡素な設計により、一般ユーザーのハードウェアのハードル問題を巧みに解決しました。わずか9.9GBのVRAMで、ほとんどの消費者向けグラフィックカードでスムーズに動作します。

Stable Diffusion 3の技術レポートが公開されました。SD3はマルチモーダル拡散TransformerアーキテクチャMMDiTを採用しており、再重み付け流技術を導入することで性能が向上しています。SD3の大規模な研究と今後の性能向上、テキストエンコーダーの問題点と提案について説明しています。

Stable Diffusion 3は、最強のテキストツーイメージモデルです。MMDiTアーキテクチャを採用し、既存のテキストツーイメージ生成システムを凌駕する性能を発揮します。Stable Diffusion 3は、視覚的な美しさ、テキストへの忠実度、レイアウトにおいて、他の最先端モデルを上回ります。MMDiTアーキテクチャは、DiTと矩形流形式を組み合わせ、独立した重み集合を使用して画像と言語表現を処理します。Stable Diffusion 3は高い柔軟性を備えています。