Ի՞նչ տեսակի U-Net է օգտագործվում Stable Diffusion-ում: Ինչպիսի՞ առանձնահատկություններ ունի այն սովորական U-Net-ի համեմատ։

Stable Diffusion-ում օգտագործվում է փոփոխված U-Net ճարտարապետության տարբերակ, որը հարմարեցված է պատկերների դիսփուզիոն մոդելավորման խնդիրների համար:

Այս U-Net-ի առանձնահատկությունները համեմատած դասականին՝

• Մուտքային տվյալներ: Փոխարեն սովորական պատկերների, մուտքագրվում է աղտոտված պատկեր և դիսփուզիոնի ժամանակային քայլ (աղտոտվածության մակարդակ), որը կոդավորվում է և մատակարարվում ցանցին:
• Ժամանակային ներմուծում: Ճարտարապետությանը ավելացվել են մեխանիզմներ, որոնք հաշվի են առնում ժամանակային քայլը (ժամանակային ներդրում), ինչը թույլ է տալիս մոդելին հաշվի առնել աղտոտվածության աստիճանը:
• Ուշադրության օգտագործում: U-Net-ի որոշ շերտերում ավելացվել են ուշադրության մեխանիզմներ (ինքնակշիռ ուշադրություն), ինչը բարելավում է մոդելի կարողությունը պատկերում գլոբալ կախվածությունները բռնելու համար:
• Փոփոխված բլոկներ: Փոխարեն ստանդարտ կոնվոլյուցիոն բլոկների, օգտագործվում են ResNet բլոկներ նորմալիզացիայով և ակտիվացմամբ, որոնք օպտիմալացվել են կայուն ուսուցման համար:

Այսպիսով, Stable Diffusion-ում U-Net-ը մասնագիտացված ճարտարապետություն է, որը համատեղում է դասական կառուցվածքը լրացուցիչ մեխանիզմների հետ աղտոտվածության և ժամանակային քայլերի հետ աշխատելու համար, ինչը կարևոր է պատկերների գեներացման դիսփուզիոն մոդելների համար։