Sampling method (Stable Diffusion): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 47: | Riga 47: | ||
<blockquote>In certi nomi possiamo notare una "a" (Euler a, DPM++ 2S a, ecc.). Essa sta per "ancestrale" e identifica gli algoritmi di tipo stocastico (Monte Carlo).</blockquote>Nell'approcciare Stable Diffusion è bene saper individuare in base alle proprie esigenze quali sono i metodi di campionamento più adatti. Le due caratteristiche principali che contraddistinguono la performance di ciascun algoritmo sono la velocità e la qualità. | <blockquote>In certi nomi possiamo notare una "a" (Euler a, DPM++ 2S a, ecc.). Essa sta per "ancestrale" e identifica gli algoritmi di tipo stocastico (Monte Carlo).</blockquote>Nell'approcciare Stable Diffusion è bene saper individuare in base alle proprie esigenze quali sono i metodi di campionamento più adatti. Le due caratteristiche principali che contraddistinguono la performance di ciascun algoritmo sono la velocità e la qualità. | ||
[[File:Confronto.webp|miniatura|1328x1328px|fonte: https://www.reddit.com/user/adesigne/]] | [[File:Confronto.webp|miniatura|1328x1328px|fonte: [https://www.reddit.com/user/adesigne/ https://www.reddit.com/user/adesig]]] | ||
Versione delle 16:21, 15 mar 2024
Attualmente, ci sono ben 38 opzioni di Sampling methods disponibili in AUTOMATIC1111 (a Giugno 2023 erano solo 19!).
Il campionamento è una componente fondamentale nel processo interno di un modello come Stable Diffusion e alterarne il metodo può influenzare diversi aspetti della generazione, come la nitidezza, la responsività, la velocità di generazione e la stabilità del processo di diffusione
Per svolgere un'overview concisa ma efficace, possiamo classificare i vari approcci nel seguente modo:
- Metodi di Base (DPM e DDPM):
- DPM2
- DDPM
- DDPM Karras
- Metodi Avanzati DPM++ (variazioni con ulteriori miglioramenti):
- DPM++ 2M
- DPM++ SDE
- DPM++ 2.5 a
- DPM++ 2M Karras
- Metodi che utilizzano SDE:
- DPM++ SDE Karras
- DPM++ 2M SDE Karras
- DPM++ 2M SDE Exponential
- DPM++ 2M SDE Heun
- DPM++ 2M SDE Heun Karras
- DPM++ 2M SDE Heun Exponential
- Variazioni Exponential e Turbo (per accelerare il processo):
- DPM++ 2M SDE Exponential
- DPM++ 2M SDE Heun Exponential
- DPM++ 2M Turbo
- DPM++ 2M SDE Turbo
- Metodi SGM (probabilmente Smooth Gradient Methods o varianti):
- Euler SGMUniform
- Euler A SGMUniform
- DPM++ 2M SGMUniform
- DPM++ 2M SDE SGMUniform
- Metodi Euler e Heun (basati su schemi numerici per la soluzione di equazioni differenziali):
- Euler
- Heun
- Euler A Turbo
- Metodi LMS (probabilmente riferito a Least Mean Squares per l'ottimizzazione):
- LMS
- LMS Karras
- Metodi per il Restart e l'Adattabilità:
- Restart
- DPM adaptive
- Variazioni PLMS e UniPC (possibili ottimizzazioni o modalità di generazione specifiche):
- PLMS
- UniPC
In certi nomi possiamo notare una "a" (Euler a, DPM++ 2S a, ecc.). Essa sta per "ancestrale" e identifica gli algoritmi di tipo stocastico (Monte Carlo).
Nell'approcciare Stable Diffusion è bene saper individuare in base alle proprie esigenze quali sono i metodi di campionamento più adatti. Le due caratteristiche principali che contraddistinguono la performance di ciascun algoritmo sono la velocità e la qualità.
