Stable Diffusion 3の早期プレビューがリリース

AI技術は、日々飛躍的な進化を遂げています。Stable Diffusionは、画像生成AIとして（良くも悪くも）多くの注目を集めてきました。

2月22日（現地時間）、さらなる進化を遂げたStable Diffusion 3のリリースが予告されました。この新たなモデルは従来と比較して、さらに高品質な画像生成能力を持ち、多くの新機能を提供しています。

Stable Diffusionとは？

Stable Diffusionは、テキスト入力に基づいて画像を生成する、ディープラーニングモデルです。具体的なテキストの説明を元に、その内容を具現化したイメージを創り出します。

主な特徴

• テキストから画像への変換：たとえば、夢で見た休暇先を言葉で説明すると、その説明をもとに画像を生成します
• コントロール可能な結果：単純な記述だけでなく、追加の詳細やスタイル、参照を提供することで画像生成プロセスを微調整できます

動作原理

Stable Diffusionは、次のようなプロセスを経て画像を生成します。

• 拡散モデル：ランダムノイズパターンから始まり、徐々にテキスト説明に合致する画像へと洗練させていきます
• テキスト理解：強力なテキストエンコーダーを使用して、入力された言葉の意味とニュアンスを理解し、意図したとおりの画像を生成します
• オープンソースとアクセシビリティ：コアモデルの操作には専門知識が求められますが、さまざまなオンラインツールやユーザーインターフェースが提供されており、一般ユーザーにも利用可能です

Stable Diffusion 3の新たな進化

今回早期プレビューがリリースされたStable Diffusion 3は次のような進化を遂げています。

主な進化点

• マルチサブジェクトのプロンプトにおける性能改善
• 画像品質の向上
• スペリング能力の強化

Stable Diffusion 3は、複数の主題が含まれるプロンプトに対する性能、全体的なイメージ品質、そして正確なスペリング能力において大きな進化を果たしました。現在、800Mから8Bに及ぶパラメーター範囲のモデルスイートが提供されています。

技術的な進化

Stable Diffusion 3は、 拡散トランスフォーマーアーキテクチャ と フロー・マッチング を組み合わせています。これにより、以前のモデルと比較して大幅な品質向上が実現されていることが示唆されています。詳細な技術レポートは近日中に公開される予定とのことです。

Stable Diffusion 3を使う方法

Stable Diffusion 3は現在、早期プレビューとして提供されています。 ウェイティングリスト に登録することで、早期アクセスに参加できます。

まとめ

Stable Diffusion 3は、従来のモデルと比較して大幅な品質向上が実現されており、多くの新機能が提供されています。AI技術の進化は日々加速しており、今後も注目が集まりそうです。

また、AI技術の進化に伴い、私たちの生活に及ぼす影響も大きくなります。このため、技術的な進歩とともに、倫理的な利用についても考慮することが重要です。

参考

• Stable Diffusion 3 — Stability AI