مدل هوش مصنوعی Animagine XL 4.0 منتشر شد؛ رفع خطاهای آناتومی و ارتقای کیفیت رنگ در تصاویر انیمه
آزمایشگاه پژوهشی Cagliostro نسخه جدید مدل محبوب Animagine XL 4.0 را بر پایه Stable Diffusion XL منتشر کرد. این نسخه ارتقایافته با هدف رفع خطاهای رایج در رسم اندام‌ها، کاهش نویز و ارتقای غنای رنگ تصاویر انیمه در دسترس هنرمندان و توسعه‌دهندگان قرار گرفته است. این پروژه پس از ثبت بیش از ۸۰۰ هزار دانلود در Hugging Face، اکنون ثبات بصری بسیار بالاتری ارائه می‌دهد.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- آزمایشگاه Cagliostro با بازآموزی کامل مدل Stable Diffusion XL روی ۸٫۴ میلیون تصویر، نسخه جدید Animagine XL 4.0 را برای تولید تخصصی تصاویر انیمه منتشر کرد.
- چکپوینت بهینه‌سازی‌شده Opt با اصلاح تناسب اندام، حذف نویزهای اضافه و ارتقای غنای رنگ، ثبات خروجی تصاویر را به‌طور محسوسی افزایش داده است.
- این مدل متنباز پس از ثبت بیش از ۸۰۰ هزار بار دانلود در Hugging Face، طی ۲۶۵۰ ساعت پردازش با پردازنده‌های گرافیکی H100 آموزش دیده است.
آزمایشگاه پژوهشی Cagliostro از مدل جدید Animagine XL 4.0 رونمایی کرد؛ مدلی بازآموزی‌شده و متمرکز بر سبک انیمه که بر پایه مدل Stable Diffusion XL 1.0 توسعه یافته و به‌همراه چکپوینت بهینه‌سازی‌شده Opt در دسترس قرار گرفته است. این نسخه جدید ضمن حفظ معماری پایه SDXL و سیستم پرامپت‌نویسی مبتنی بر برچسب (Tag-based)، به‌طور ویژه برای برطرف کردن ایرادات آناتومی، نویزهای ناخواسته، اشباع رنگ پایین و انحراف رنگ‌ها طراحی شده است.
مخزن این مدل در پلتفرم Hugging Face تا زمان انتشار این گزارش بیش از ۸۰۰ هزار بار دانلود ثبت کرده است؛ آماری که بر اساس درخواست فایل‌های مدل محاسبه می‌شود و ممکن است دانلودهای تکراری یک کاربر را نیز در بر بگیرد. ابزارها و رابط‌های کاربری فعلی SDXL می‌توانند وزنه‌های SafeTensors با فرمت fp16 را به‌راحتی بارگذاری کنند، هرچند نحوه پاسخ‌دهی به پرامپت‌ها و سازگاری با آداپتورها در مقایسه با نسخه خام SDXL و نسخه‌های اولیه Animagine تفاوت‌هایی دارد.
دو چکپوینت مجزا برای اهداف متفاوت
توسعه نسخه ۴٫۰ از مدل SDXL 1.0 آغاز شده و بخش‌های کلیدی UNet و انکودرهای متن با بهره‌گیری از ۸٫۴ میلیون تصویر به سبک انیمه به‌روزرسانی شده‌اند. آموزش و تغییر وزنه‌های اصلی مدل، در مقایسه با استفاده از روش‌های الحاقی مانند LoRA، دگرگونی‌های رفتاری عمیق‌تری ایجاد می‌کند که از جمله نتایج آن می‌توان به شناخت بسیار قوی‌تر کاراکترها و پیروی دقیق‌تر از تگ‌های استاندارد پایگاه Danbooru اشاره کرد.
چکپوینت Opt با حفظ همان ساختار، نسخه اولیه را به‌دقت صیقل می‌دهد. بنابر اعلام آزمایشگاه Cagliostro، این نسخه خروجی‌های پایدارتری تولید می‌کند، تناسبات بدنی و آناتومی را بهبود می‌بخشد، خطاهای تصویری را کاهش می‌دهد و غنا و دقت رنگ‌ها را ارتقا می‌دهد. در نتیجه، نسخه Opt گزینه‌ای کاملاً کاربردی برای پیاده‌سازی جریان‌های کاری تازه به‌شمار می‌رود، در حالی که چکپوینت اولیه همچنان برای بازتولید تصاویر یا فرآیندهای متکی بر نسخه ابتدایی ۴٫۰ کارایی دارد.
کاربرد مدنظر | گزینه پیشنهادی | دلیل انتخاب |
|---|---|---|
جریان کاری جدید برای تولید تصاویر انیمه | Opt | شامل اصلاحات دقیق آناتومی، کاهش نویز و غنای بیشتر رنگ‌ها است. |
بازتولید خروجی‌های پیشین نسخه ۴٫۰ | نسخه پایه (Base 4.0) | رفتار و ویژگی‌های بصری چکپوینت اولیه را به‌طور کامل حفظ می‌کند. |
طراحی به سبک یک تصویرگر یا هنرمند خاص | Opt به‌همراه LoRA سبک هماهنگ | آموزش پایه بیشتر بر هویت دقیق کاراکتر متمرکز است تا یکدستی بی‌چون‌وچرای سبک تصویرگری. |
جزئیات آموزش در بیش از ۲۶۵۰ ساعت پردازش گرافیکی
بر اساس اطلاعات مندرج در شناسنامه فنی مدل (Model Card)، پیکربندی مراحل آموزش به شرح زیر است:
بخش | پیکربندی |
|---|---|
مدل پایه | Stable Diffusion XL 1.0 |
داده‌های آموزشی | ۸٬۴۰۱٬۴۶۴ تصویر به سبک انیمه از منابع گوناگون |
تاریخ نهایی جمع‌آوری داده‌ها (Cutoff) | ۷ ژانویه ۲۰۲۵ |
مطالب مرتبط و پیشنهادی
ربات انسان‌نمای اقتصادی Noetix؛ نقطه آغازی برای رقابت در بازار جهانی و توسعه هوش فیزیکی
استارتاپ چینی Noetix با عرضه ربات انسان‌نمای Bumi با قیمت ۹٬۹۹۸ یوآن، فناوری‌های گران‌قیمت آزمایشگاهی را به محصولی مقرون‌به‌صرفه برای خانواده‌ها و مدارس تبدیل کرد. این شرکت قصد دارد با تکیه بر درآمدهای حاصل از فروش سخت‌افزار، هزینه سنگین توسعه مدل‌های پیشرفته هوش فیزیکی و گسترش بازارهای بین‌المللی خود را تأمین کند.
همدلی سم آلتمن با ریاضیدانان؛ احساسات متناقض مدیرعامل OpenAI از حل مسائل بزرگ علمی با هوش مصنوعی
سم آلتمن، مدیرعامل OpenAI، در گفتگویی تازه از احساسات متناقض خود درباره حل پیچیده‌ترین مسائل ریاضی جهان توسط مدل‌های هوش مصنوعی پرده برداشت. او ضمن ابراز همدلی عمیق با جامعه ریاضیدانان نگران، تأکید کرد که توسعه‌دهندگان باید به میراث و زحمات دانشمندانی که طی قرن‌ها این حوزه‌های علمی را به پیش برده‌اند، نهایت احترام را بگذارند.
بدبینی عمیق به آینده بازار کار؛ شهروندان آمریکایی امیدی به اشتغال‌زایی هوش مصنوعی ندارند
نتایج تازه‌ترین نظرسنجی‌ها نشان می‌دهد که با وجود امیدواری به رشد کلان اقتصادی، بدبینی عمیقی نسبت به آینده بازار کار در عصر هوش مصنوعی وجود دارد. شهروندان نگرانند که رونق این فناوری، بدون ایجاد فرصت‌های شغلی تازه، فقط به حذف مشاغل انسانی و گسترش بیکاری منجر شود.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.