공간정보와 인터넷지도

스테이블 디퓨전을 개발한 Stability AI에서 어제, 2023년 7월 26일 SDXL 1.0을 정식으로 공개했습니다. 현재 널리 사용중인 스테이블 디퓨전 v1.5, 2.1 또는 SDXL beta/0.9 버전에 비해 향상된 버전입니다. 이 글에서는 다음과 같은 내용을 다룹니다. SDXL 모델이 무엇인가 v1과 SDXL로 생성된 이미지 비교 AUTOMATIC1111에서 SDXL 을 실행하는 방법 SDXL 용 AUTOMATIC1111 확장 결론적으로 이야기해서 SDXL 모델로 생성한 이미지가 SD1.5 기본모델을 세부 조정한 모델들로 생성한 이미지보다 (적어도 제 눈에는) 품질이 많이 좋습니다. 특히 글씨를 쓰고자 할때에는 SD1.5로는 불가능하고요. 그래서 제 생각엔 SDXL이 SD 1.5 버전을 급격..

얼마전 SDXL 0.9를 테스트할 수 있는 사이트인 Clipdrop을 소개해 시켜 드렸습니다(소개 글). Clipdrop은 스테이블 디퓨전을 개발한 Stability AI에서 개발한, 공식 테스트 사이트라고 할 수 있습니다. 이 사이트에는 SDXL 0.9를 테스트할 수 있는 것 이외에 아래와 같이 다양한 기능이 들어 있습니다. 한마디로 인공지능으로 이미지를 편집할 수 있는 여러가지 도구가 모두 모여있다고 보시면 됩니다. 맨 좌측위가 SDXL 0.9를 테스트할 수 있는 사이트이고, 그 다음부터 이미지 바깥쪽 채우기(Uncrop), 비슷한 이미지 생성(Reimagine), 스케치에서 생성하기(Stable Doodle), 물체 지우기(Cleanup), 배경 지우기(Remove Background), 조명 바꾸..

VAE는 눈을 좀더 잘 생성하기 위한 스테이블 디퓨전 1.4/1.5에 대한 부분적 업그레이드입니다. 이 글에서는 VAE가 무엇인지, VAE를 설치하면 무엇이 좋은지, 어떻게 설치하고 사용하는지 등에 대해 기술합니다. VAE란 무엇인가? VAE(variational autoencoder)는 신경망 모델중 일부로, 상대적으로 작은 잠재 공간(latent space)에서 이미지를 인코딩 혹은 디코딩하여 계산속도를 빠르게 하는 기능을 합니다. VAE가 필요한가? VAE 파일이 없더라도 Stable Diffusion은 잘 작동됩니다. 어떠한 v1, v2 혹은 맞춤형 모델을 사용할 경우에도 내부적으로 기본 VAE가 포함되어 있으며 이것을 자동으로 사용합니다. 그러므로, VAE를 다운로드 받는다 혹은 사용한다고 하는..

After Detailer(adetailer)는 인페인트를 자동화시켜주는 스테이블 디퓨전 AUTOMATIC1111 확장입니다. 이 확장을 사용하면 얼굴이 일그러지는 것 같은 일반적인 문제를 빠르게 수정할 수 있습니다. After Detailer 확장 설치 After Detailer 확장을 설치하는 방법은 아래와 같습니다. 1. Extension 페이지로 들어가서 "Install from URL" 탭으로 들어간 뒤, 아래의 내용을 [URL]에 입력합니다. https://github.com/Bing-su/adetailer 2. Install 버튼을 누르고 잠시 기다립니다. 설치가 완료되면 아래와 같이 Installed 탭으로 들어가 adetailer가 추가되었는지 확인하고 [Apply and restart ..

스테이블 디퓨전의 후속모델인 SDXL 이 공개되었습니다. 베타버전에 이어 0.9 버전이 공개되었으며, 조만간 정식으로 공개될 예정으로 있습니다. 이 글은 0.9에서 어떤 부분을 개선했는지에 대한 stability.ai 사의 개발진이 작성한 논문입니다. 이 논문은 SDXL의 기술적인 측면을 다루고 있기 때문에 사용법만 알고싶은 분들은 그냥 읽지 않으셔도 무방합니다. 그냥 SDXL이 스테이블 디퓨전 1.5/2.1 보다 매우 성능이 뛰어나다고만 아시면 충분합니다. SDXL은 스테이블 디퓨전 1.5 및 2.1에 비해 매우 높은 수준의 이미지를 생성할 수 있습니다. 스테이블 디퓨전 1.5에서는 프롬프트외에도 LoRA나 ControlNet과 같은 보조적인 기법을 동원하고, 잘못된 이미지는 인페인트로 수정하는 등 여..

한달전, 스테이블 디퓨전을 개발해서 오픈 소스로 공개한 stability.ai에서 그 후속 모델인 SDXL 을 공개했습니다. 현재 사용가능한 버전은 0.9이며, 7월 중순에 1.0을 공개할 예정이라고 합니다(오늘 18일이니 약속시간이 좀 지난듯) 자세한 내용은 보도자료 글을 읽어보시면 됩니다. 스테이블 디퓨전 UNET의 매개변수는 8억 6천만개 정도인데, SDXL 0.9는 매개변수가 100억개 정도로 늘어나서 더 세밀하고 구도가 뛰어난 이미지를 생성할 수 있다고 합니다. 기본 생성 이미지의 해상도도 1024x1024로 커졌고요. 그래서... 이걸 사용해보고 싶기는 하지만, 현재는 AUTOMATIC1111에서 기본으로 지원하지 않고 확장으로 겨우겨우 시험해 볼 수 있는 상태에서 테스트가 만만하지는 않습니다..

한달전, Stable Diffusion을 개발한 stability.ai에서 Stable Diffusion의 후속 모델인 SDXL (Stable Diffusion XL) 베타 버전에 이어 0.9 버전을 발표했습니다. 얼마 후에는(원래 발표에 따르면 7월 중순이니까 이미 발표되었어야 하지만) 1.0이 정식 공개될 예정으로 있고요. 제가 아직 전체적으로 돌아보지는 못했지만, 아래와 같이 여러가지 도구들을 따로따로 분리해서 사용할 수 있어, 일반인들이 사용하기는 편리해질 듯 싶습니다. https://clipdrop.co/stable-diffusion 에 들어가면 직접 테스트 가능합니다. 또한 사용하는 파라미터 수가 대폭 늘어나서 훨씬 디테일이 살아있고 구도가 안정적인 이미지가 생성된다고 하네요. 아래는 위 사이..

NumPy 란? numpy 는 파이썬에서 과학계산을 위한 가장 기본적인 패키지 입니다. 다차원 배열(array) 객체, 여러가지 파생 객체(마스크 배열이나 행렬(matrix) 등), 수학/논리/변형/정렬/선택/IO/이산 푸리에 연산, 기본 선형대수, 기본 통계 연산, 무작위 시뮬레이션 등의 배열에 관한 연산을 위한 다양한 루틴 제공하는 파이썬 라이브러리입니다. NumPy 패키지의 핵심은 ndarray 객체입니다. ndarray는 동일한 데이터 유형의 n 차원 배열을, 빠른 성능을 위해 미리 컴파일된 코드로 수행되는 많은 연산과 함께 캡슐화되어 있습니다. NumPy 배열과 표준적인 파이썬 시퀀스(sequence, list/dictionary 등)는 다음과 같은 중요한 차이가 존재합니다. Numpy 배열은 ..

며칠전에 DreamBooth 에 대한 소개 글을 올렸습니다. 간단히 요약하면, 나만의 피사체(우리 가족이나 우리집 멍뭉이, 내가 좋아하는 피규어, 내가 이번에 산 책등)의 사진을 4-5장 정도만 학습시켜 인공지능 이미지 생성에 사용할 수 있다는 내용입니다. 이미지 생성형 인공지능으로 자기 자신이던 누구던 아무나 끼워넣을 수 있고, 어떤 배경으로도 이미지를 생성할 수 있다는 겁니다. 그러고 보면 Dream(꿈) Booth(칸막이 공간), 즉 꿈의 사진관이라고 할까요... 드림부스를 설치하고 사용하는 방법에 대한 글 그리고 영상이 여기저기 올라와 있습니다만, 저도 나름대로 정리해보고자 합니다. 그런데.... 원래는 AUTOMATIC1111 에 Dreambooth 확장을 붙여서 학습하는 방법을 생각했었습니다...

Stable Diffusion이 느리다고 생각되나요? 속도를 올릴 수 있는 옵션이 여러가지 있습니다. 이 글에서는 Stable Diffusion 실행 속도를 올릴 수 있는 다음과 같은 방법에 대해 설명합니다. 교차 인지(cross-attention) 최적화 토큰 병합(token merging) 부정적 가이드(negative guidance) 최소 시그마(minimum sigma) 교차 인지 최적화 모든 최적화 옵션은 교차 인지(cross-attention) 계산을 빠르게 하고, 메모리 사용을 줄이는 게 목표입니다. 아래는 AUTOMATIC1111에서 사용가능한 모든 옵션입니다. 교차 인지 최적화 설정 방법 AUTOMATIC1111 웹UI에서 Settings 페이지에 들어가서 왼쪽에 있는 Optimizat..