რა ტიპის U-Net გამოიყენება Stable Diffusion-ში? რა მახასიათებლები აქვს მას ჩვეულებრივ U-Net-თან შედარებით?

Stable Diffusion-ში გამოიყენება შეცვლილი ვერსია U-Net არქიტექტურის, რომელიც ადაპტირებულია გამოსახულების დიფუზიის მოდელირებისთვის.

ამ U-Net-ის მახასიათებლები შედარებით კლასიკურ:

• შესავალი მონაცემები: ჩვეულებრივი გამოსახულებების ნაცვლად, მიწვევა შორეული გამოსახულება და დიფუზიის დროის ნაბიჯი (შორეულის დონე), რომელიც კოდირებულია და მიწოდებულია ქსელს.
• დროის ინექცია: არქიტექტურაში დამატებულია მექანიზმები დროის ნაბიჯის გათვალისწინებისთვის (დროის ჩაშენება), რაც საშუალებას აძლევს მოდელს განიხილოს შორეულის ხარისხი.
• ყურადღების გამოყენება: ზოგიერთი U-Net-ის ფენაში დამატებულია ყურადღების მექანიზმები (საკუთარი ყურადღება), რაც აუმჯობესებს მოდელის შესაძლებლობას გლობალური დამოკიდებულებების აღსაწერად გამოსახულებაში.
• შეცვლილი ბლოკები: სტანდარტული კონვოლუციური ბლოკების ნაცვლად, გამოიყენება ResNet ბლოკები ნორმალიზაციით და აქტივაციით, რომლებიც ოპტიმიზირებულია სტაბილური სწავლებისთვის.

ამ გზით, U-Net-ი Stable Diffusion-ში არის სპეციალიზებული არქიტექტურა, რომელიც აერთიანებს კლასიკურ სტრუქტურას დამატებით მექანიზმებთან შორეულ და დროის ნაბიჯებთან მუშაობისთვის, რაც კრიტიკულია გამოსახულების გენერაციის დიფუზიის მოდელებისთვის.