현재 영어가 아닌 텍스트 및 이미지 생성 모델의 선택은 제한되어 있으며 사용자는 모델에 들어가기 전에 프롬프트를 영어로 번역해야 하는 경우가 많습니다. 이로 인해 추가적인 운영 부담이 발생할 뿐만 아니라 번역 과정에서 언어 및 문화적 오류가 생성된 이미지의 정확성에 영향을 미치게 됩니다.
Zhiyuan Research Institute의 FlagAI 팀은 Stable Diffusion과 결합된 다국어 사전 훈련 모델을 사용하여 텍스트와 이미지를 지원하는 다국어 텍스트 및 이미지 생성 모델인 AltDiffusion-m18을 훈련시켜 효율적인 훈련 방법을 개척했습니다. 18개 언어로 이미지 생성.
중국어, 영어, 일본어, 태국어, 한국어, 힌디어, 우크라이나어, 아랍어, 터키어, 베트남어, 폴란드어, 네덜란드어, 포르투갈어, 이탈리아어, 스페인어, 독일어, 프랑스어, 러시아어를 포함합니다.
Huggingface: https://huggingface.co/BAAI/AltDiffusion-m18
GitHub: https://github.com/FlagAI-Open/FlagAI/blob/master/examples/AltDiffusion-m18
AltDiffusion-m18 영어 FID, IS, CLIP 점수의 객관적인 평가는 Stable Diffusion 95~99% 효과에 도달하여 중국어와 일본어에서 최적 수준에 도달하는 동시에 텍스트 및 이미지 생성 모델의 공백을 메웠습니다. 나머지 15개 언어는 다국어 텍스트 및 그래픽 생성에 대한 업계 수요가 매우 높습니다. 본 연구에 조언을 제공해주신 안정확산연구팀에 특별히 감사드립니다.
또한 AltDiffusion-m18 관련 혁신 기술 보고서 "AltCLIP: 확장된 언어 기능을 위한 CLIP의 언어 인코더 변경"이 ACL 2023의 결과에 채택되었습니다.
지난해 출시된 AltDiffusion-m9에서 Zhiyuan 팀은 Stable Diffusion v1을 기반으로 언어 타워를 혁신적으로 교체했습니다. 4 다국어 타워용 AltCLIP과 9개 언어의 다국어 데이터로 미세 조정되어 원래 영어 전용 Stable Diffusion을 확장하여 9개 언어를 지원합니다.
AltCLIP: https://github.com/FlagAI-Open/FlagAI/tree/master/examples/AltCLIP-m18
그리고 AltDiffusion-m18은 Stable Diffusion v2.1을 기반으로 훈련되었습니다. Stable Diffusion v2.1의 새로운 언어 타워는 OpenCLIP의 반전된 두 번째 레이어입니다. 따라서 새로운 AltCLIP은 OpenCLIP의 반전된 두 번째 레이어를 증류 대상으로 사용하여 m9를 기반으로 CrossAttention 레이어 K만 사용합니다. Unet의 V 행렬은 아래 그림과 같이 2단계 학습 방법으로 확장됩니다.
- 1단계: m9 실험 초기에 미세 조정이 발견되었습니다. K 및 V 행렬은 주로 텍스트와 이미지의 개념 정렬을 학습합니다. 따라서 m18 학습의 첫 번째 단계에서는 계속해서 18개 언어의 데이터를 사용하여 K 및 V 행렬을 미세 조정합니다. 또한, 이미지의 해상도를 512*512에서 256*256으로 줄여도 이미지의 의미 정보가 손실되지 않는다는 것이 실험을 통해 입증되었습니다. 따라서 텍스트-이미지 개념 정렬 학습의 첫 번째 단계에서는 256*256의 해상도를 훈련에 사용하므로 훈련 속도가 빨라진다.
- 두 번째 단계: 생성된 이미지의 품질을 더욱 향상시키기 위해 512*512의 해상도를 사용하여 18개 언어의 데이터에서 Unet의 전체 매개변수를 학습합니다. 또한, 분류자 없는 지침 추론을 제공하기 위한 무조건 훈련을 위해 텍스트의 10%가 삭제됩니다.
- 또한 생성 품질을 더욱 향상시키기 위해 분류자가 없는 안내 학습 기술이 채택되었습니다.
최신 평가 결과 AltCLIP-m18은 CLIP을 능가하며 중국어 및 영어 제로샷(제로 샘플) 검색 작업에서 최적 수준에 도달한 것으로 나타났습니다. ⬇️
다국어 이미지 분류 벤치마크에서 AltCLIP-m9(초기) 버전, 9개 언어 지원)은 AltCLIP-m18을 사용하여 최적의 수준에 도달합니다. ⬇️
마찬가지로 AltCLIP의 혁신적인 타워 변경 아이디어 덕분에 AltDiffusion-m18은 원래 CLIP 모델 및 생태학적 도구를 기반으로 구축된 Stable Diffusion에 원활하게 액세스할 수도 있습니다. , Stable Diffusion WebUI, DreamBooth 등 Stable Diffusion을 지원하는 모든 도구를 AltDiffusion-m18에 적용할 수 있습니다. 시작하기가 쉽고 뛰어난 플레이 가능성을 제공합니다!
새로운 AltCLIP의 축복으로 AltDiffusion-m18은 영어 FID, IS, CLIP 점수 평가에서 원래의 Stable Diffusion 효과의 95~99%를 달성했으며 중국어, 일본어를 포함한 17개 언어에서 가장 앞선 성능을 달성했습니다. 자세한 데이터는 다음 표에 나와 있습니다.
영어, 중국어, 일본어에서 AltDiffusion-m18은 다른 모델 생성 결과보다 우수한 결과와 더 정확한 세부 정보를 제공합니다.
위 그림 (a) 중국어 AltDiffusion-m18은 원본 Stable Diffusion과 매우 일치하는 결과를 생성할 수 있으며 "곰 인형", "흑백 사진", "고양이" 등 신속한 이해에서 다른 국내 중국어-영어 이중 언어 모델보다 우수합니다. " 등 국내 타 한-영 이중언어 모델에서는 생성되지 않는 개념을 AltDiffusion에서는 성공적으로 생성할 수 있습니다. 중국어와 일본어에서도 동일한 현상이 발생합니다.
위 (b)의 "검은색 소파, 나무 바닥"은 AltDiffusion-m18에 의해서만 올바르게 생성됩니다.
위 (c)의 "bears"는 Japanese Stable Diffusion이 "human"을 잘못 생성하지만 AltDiffusion-m18은 "bear"를 올바르게 생성할 수 있습니다.
또한 Zhiyuan FlagEval 팀은 텍스트 및 이미지 생성 모델 평가 도구인 ImageEval을 개발했습니다. 평가 후 AltDiffusion-m18의 엔터티 객체 및 엔터티 수량 차원의 정확도는 국내 피어 모델의 정확도를 각각 11% 및 10% 초과합니다. (참고: ImageEval 평가 방법 및 결과는 가까운 시일 내에 공개될 예정이므로 조정).
AltDiffusion-m18은 다국어 데이터에서 다양한 언어의 편견을 학습하여 사용자가 언어 번역 문턱을 넘을 수 있도록 돕습니다. 문화 번역을 우회하여 언어 뒤에 있는 문화적 정보의 손실을 줄입니다. 아래 그림에서 볼 수 있듯이 중국어와 일본어 프롬프트로 생성된 어린 소년의 얼굴 윤곽은 '아시아 스타일'에 더 가깝고, 영어와 기타 유럽 언어 프롬프트로 생성된 어린 소년은 '유럽과 미국 스타일'에 가깝습니다.
더 흥미로운 점은 다양한 언어로 동물 프롬프트에 의해 생성된 그림의 세부 사항도 다르다는 것입니다. 아래 그림에서 볼 수 있듯이, 서로 다른 언어로 생성된 사진은 전체적으로 일관성이 높지만, 사진의 배경이나 코기의 얼굴 특징의 디테일에는 미묘한 차이가 있습니다.
일반적으로 AltDiffusion-m18은 다국어 텍스트 및 이미지 생성 모델에 대한 기본 참조 프레임을 제공합니다. 스페인어, 독일어, 프랑스어가 모국어인 사용자는 마음속 프롬프트를 영어로 번역하지 않고도 AIGC의 재미를 즐길 수 있습니다. AI 교육 전문가는 DreamBooth, ControlNet 및 LoRA를 결합하여 AltDiffusion-m18을 기반으로 더욱 최적화하거나 다른 언어로 코퍼스 미세 조정을 사용하여 더 나은 텍스트 및 이미지 생성 효과를 얻을 수도 있습니다.
동시에 대규모 모델 알고리즘, 모델 및 도구를 위한 원스톱 오픈 소스 프로젝트인 FlagAI(github.com/FlagAI-Open/FlagAI)에서는 추론 훈련을 위한 도구와 API도 제공하여 누구나 쉽게 사용할 수 있습니다. AltDiffusion-m18을 빠르게 다운로드하여 사용하세요.
위 내용은 다국어 텍스트 및 이미지 생성을 위한 다목적 도구인 AltDiffusion-m18의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!