Stable Diffusion-da hansı növ U-Net istifadə olunur? Onun adi U-Net-ə nisbətən hansı xüsusiyyətləri var?

Stable Diffusion-da, şəkil diffuziya modelləşdirmə tapşırıqları üçün uyğunlaşdırılmış, dəyişdirilmiş U-Net arxitekturası istifadə olunur.

Bu U-Net-in klassik versiyası ilə müqayisədə xüsusiyyətləri:

• Daxil edilən məlumatlar: Adi şəkillər yerinə, səs-küylü şəkil və diffuziyanın vaxt mərhələsi (səs-küy səviyyəsi) verilir; bu kodlaşdırılır və şəbəkəyə təqdim olunur.
• Zaman injeksiyası: Arxitektura zaman mərhələsini nəzərə alan mexanizmlər əlavə olunub (zaman gömməsi), bu da modelin səs-küy dərəcəsini nəzərə almasına imkan verir.
• Diqqət istifadəsi: U-Net-in bəzi qatlarında diqqət mexanizmləri (öz-özünə diqqət) əlavə olunub, bu da modelin şəkil daxilində qlobal asılılıqları tutma qabiliyyətini artırır.
• Dəyişdirilmiş bloklar: Standart konvolyusiya blokları yerinə, normalizasiya və aktivasiya ilə ResNet blokları istifadə olunur, bu da sabit təlim üçün optimallaşdırılıb.

Beləliklə, Stable Diffusion-da U-Net, klassik strukturu əlavə mexanizmlərlə birləşdirən ixtisaslaşdırılmış arxitekturadır; bu, şəkil yaradılması üçün diffuziya modelləri üçün çox vacibdir.