Aller au contenu

Stable Diffusion

Un article de Wikipédia, l'encyclopédie libre.

Stable Diffusion

Description de l'image Astronaut Riding a Horse (SD3.5).webp.
Informations
Première version Voir et modifier les données sur Wikidata
Dernière version 3.5 ()[1]Voir et modifier les données sur Wikidata
Dépôt github.com/Stability-AI/generative-modelsVoir et modifier les données sur Wikidata
Écrit en PythonVoir et modifier les données sur Wikidata
Système d'exploitation Linux, macOS et Microsoft WindowsVoir et modifier les données sur Wikidata
Type Prompt art
Latent variable model (en)
Modèle de diffusion (en)Voir et modifier les données sur Wikidata
Licence Stability AI Community License (d)Voir et modifier les données sur Wikidata
Site web stability.ai/stable-imageVoir et modifier les données sur Wikidata

modifier - modifier le code - voir Wikidata (aide)

Stable Diffusion est un modèle d'apprentissage automatique permettant de générer des images numériques photoréalistes à partir de descriptions en langage naturel. Le modèle peut également être utilisé pour d'autres tâches, comme la génération d'une image améliorée à partir d'une esquisse et d'une description textuelle[2].

Il peut fonctionner sur la plupart des matériels grand public équipés d'une carte graphique même de moyenne gamme.

Licence

[modifier | modifier le code]

Le code source de Stable Diffusion est public, mais ce n'est pas un logiciel libre[3], car sa licence, dite CreativeML Open RAIL M License, interdit certains cas d'utilisation, ce qui est contraire à un principe de base de la fondation pour le logiciel libre[4],[5],[6].

Les critiques déplorant la publication du code source peuvent en général être liées aux inquiétudes concernant l'éthique de l'intelligence artificielle. Elles s'appuient sur l'hypothèse que le modèle peut être utilisé pour créer des deepfakes[7] et remettent également en question la légalité de la génération d'images avec un modèle formé sur un ensemble de données incluant du contenu protégé par le droit d'auteur sans le consentement des artistes originaux[8].

Entraînement

[modifier | modifier le code]

Stable Diffusion est formé sur un sous-ensemble de l'ensemble de données LAION-Aesthetics V2[9]. Il est entrainé sur 256 GPU Nvidia A100 pour un coût de 600 000 $[10].

Modèles

[modifier | modifier le code]
Version date de sortie taille recommandée des images à générer licence d'utilisation Notes
1.0
1.4 [11] août 2022 512 x 512 pixels CreativeML OpenRAIL M license
1.5[12] octobre 2022 512 x 512 pixels CreativeML OpenRAIL M license Basé sur la version 1.2, publié par Runway ML, partenaire de Stability [13]
2.0[14] novembre 2022 768 x 768 pixels CreativeML OpenRAIL M license Modèle entrainé sans images explicites (érotiques, pornographiques)[15]
2.1[16] décembre 2022 768 x 768 pixels CreativeML OpenRAIL M license
SDXL 0.9 base[17] juin 2023 1024 x 1024 pixels SDXL 0.9 Research License
SDXL base 1.0[18]

SDXL refiner 1.0[19]

juillet 2024 1024 x 1024 pixels CreativeML Open RAIL++-M License
3.0 Medium 22 février 2024 (annonce et accés restreint)

12 juin 2024 (publication)

1024 x 1024 pixels Stability Non-Commercial Research Community License

En novembre 2023, Stability a publié une version distillée nommée SDXL-Turbo[20] : elle a pour but de permettre la génération d'images en temps réel. À la différence des autres modèles, sa licence n'en permet pas un usage commercial et la version originale ne permet de générer que des images de 512x512 pixels : la communauté des utilisateurs[21] a depuis entrainé d'autres modèles Turbo permettant de générer des images de 1024x1024 pixels. Les modèles Turbo permettent potentiellement de générer une image en une seule étape de calcul (de 1 à 4 étapes en pratique)[22].

En février 2024, Stability publie un modèle Stable Cascade[23] : Ce modèle est construit sur l'architecture Würstchen[24] : il fonctionne dans un espace latent beaucoup plus petit. Stable Diffusion utilise un facteur de compression de 8, ce qui signifie qu'une image de 1024x1024 est encodée en 128x128. Stable Cascade atteint un facteur de compression de 42, ce qui signifie qu'il est possible d'encoder une image de 1024x1024 en 24x24. Ce type de modèle est bien adapté aux utilisations où l'efficacité est importante. Comme la version Turbo, sa licence est non-commerciale et elle est destinée à permettre la recherche.

Le 22 février 2024, Stability annonce la prochaine version de son modèle, Stable Diffusion 3[25].

ControlNet

[modifier | modifier le code]

ControlNet[26] est une structure de réseau neuronal qui permet d'ajouter un conditionnement spécifique à des images générées par Stable Diffusion à partir de texte. Les ControlNet utilisent une image de référence pour conditionner la génération. L'image passe un préprocesseur (détection de contours, de profondeur, de pose, etc.) et sert alors de guide à la génération. Cela permet par exemple de conserver la composition de l'image de référence dans les générations[27].

Exemples de ControlNet (liste non exhaustive) :

  • Détection de contours : Filtre de Canny
  • Détection de la position d'un corps humain : Pose[28]
  • Détection de la profondeur de champ : Depth[29]
  • Détection des lignes d'un dessin : Lineart

Certains modèles sont entrainés pour déflouter[30] des images ou coloriser[31] des images.

ControlNet se sert de couches spéciales, appelées "convolutions zéro", qui commencent sans influence sur l'image et progressent doucement, évitant d'introduire des erreurs pendant l'amélioration du modèle[26].

Des modèles ont été entrainés pour les diverses versions de Stable Diffusion (1.4, 1.5, 2.1, SDXL).

Remarque : ne pas confondre le terme avec le système de communication industriel ControlNet.

Principaux logiciels utilisés

[modifier | modifier le code]
Cette section relève du guide pratique, ce qui n'est pas de nature encyclopédique (février 2024).

Les principaux logiciels (gratuits) utilisés pour générer des images avec Stable Diffusion localement (sur son propre ordinateur s’il dispose d’un GPU adapté) ou via une plateforme d'environnement de développement en ligne (Google Colab, RunPod, SageMaker, Jupyter, etc.)

Le langage Python est principalement utilisé pour tous ces programmes, qui sont disponibles sur GitHub.

Logiciel auteur fork
Web UI Automatic1111 non
SD.Next vladmandic oui, de WebUI
Stable Diffusion web UI-UX anapnoe oui, de WebUI
Stable Diffusion WebUI Forge lllyasviel oui de WebUI
ComfyUI comfyanonymous non
InvokeAI InvokeAI non
Fooocus lllyasviel non
Fooocus-ControlNet-SDXL fenneishi oui, de Fooocus
RuinedFooocus runew0lf oui, de Fooocus
Fooocus-MRE MoonRide303 oui, de Fooocus
VoltaML VoltaML non
EasyDiffusion easydiffusion non

Poursuites en justice

[modifier | modifier le code]

En janvier 2023, trois artistes — Sarah Andersen, Kelly McKernan et Karla Ortiz — intentent une action en justice contre Stability AI, Midjourney et DeviantArt, créateurs des générateurs d'art Stable Diffusion, Midjourney et DreamUp, affirmant que ces sociétés ont violé les droits de « millions d'artistes » en entraînant leurs outils d'intelligence artificielle sur cinq milliards d'images extraites du web « sans le consentement des artistes originaux »[32].

Le juge de district américain William Orrick III (en) a rejeté certaines des revendications de l'action collective, y compris toutes les allégations dirigées contre Midjourney et DeviantArt. Il a indiqué que les artistes pouvaient amender leur plainte contre les deux entreprises, dont les systèmes utilisent la technologie de texte à image Stable Diffusion de Stability.

Le juge a également rejeté intégralement les revendications de violation du droit d'auteur de Kelly McKernan et Ortiz. Il a autorisé Sarah Andersen à poursuivre sa principale allégation selon laquelle l'utilisation présumée de son travail par Stability pour entrainer Stable Diffusion enfreignait son copyright[33].

Notes et références

[modifier | modifier le code]
  1. ↑ « https://stability.ai/news/introducing-stable-diffusion-3-5 »
  2. ↑ (en) « Diffuse The Rest - a Hugging Face Space by huggingface », huggingface.co, sur Hugging Face (consulté le ).
  3. ↑ (en) Emad Mostaque (en), « Stable Diffusion Public Release », Stability.Ai, (consulté le ).
  4. ↑ (en) Richard Stallman, « Why programs must not limit the freedom to run them », sur gnu.org, .
  5. ↑ « Ready or not, mass video deepfakes are coming », The Washington Post, (consulté le ).
  6. ↑ (en) « License - a Hugging Face Space by CompVis », huggingface.co, (consulté le ).
  7. ↑ (en) « Deepfakes for all: Uncensored AI art model prompts ethics questions », TechCrunch, (consulté le ).
  8. ↑ (en) Luke Plunkett, « AI Creating 'Art' Is An Ethical And Copyright Nightmare », Kotaku, (consulté le ).
  9. ↑ (en) « LAION-Aesthetics | LAION », laion.ai (consulté le ).
  10. ↑ (en) Emad Mostaque (en), « Cost of construction », Twitter, (consulté le ).
  11. ↑ « CompVis/stable-diffusion-v1-4 · Hugging Face », sur huggingface.co (consulté le ).
  12. ↑ « runwayml/stable-diffusion-v1-5 · Hugging Face », sur huggingface.co (consulté le ).
  13. ↑ (en) RunwayML, « Stable Diffusion v1-5 Model Card » Accès libre, sur HuggingFace, .
  14. ↑ « stabilityai/stable-diffusion-2 · Hugging Face », sur huggingface.co (consulté le ).
  15. ↑ « Découvrir les modèles Stable Diffusion » Accès libre, stablediffusion.blog (consulté le ).
  16. ↑ « stabilityai/stable-diffusion-2-1 · Hugging Face », sur huggingface.co (consulté le ).
  17. ↑ « stabilityai/stable-diffusion-xl-base-0.9 · Hugging Face », sur huggingface.co (consulté le ).
  18. ↑ « stabilityai/stable-diffusion-xl-base-1.0 · Hugging Face », sur huggingface.co (consulté le ).
  19. ↑ « stabilityai/stable-diffusion-xl-refiner-1.0 · Hugging Face », sur huggingface.co (consulté le ).
  20. ↑ (en) stabilityai, « SDXL-Turbo Model Card » Accès libre, sur huggingface, 2_ novembre 2023.
  21. ↑ (en) divers, « Modèles SDXL Turbo CIVITAI » Inscription nécessaire, sur civitai.
  22. ↑ (en) Axel Sauer, Dominik Lorenz, Andreas Blattmann et Robin Rombach, « Adversarial Diffusion Distillation », Stability AI papers,‎ , p. 7 (lire en ligne Accès libre [PDF])
  23. ↑ (en) Stability, « Stable Cascade Model Card », sur Huggingface, .
  24. ↑ (en) Sayak Paul, Pedro Cuenca, Pablo Pernías, Kashif Rasul et Dominic Rampas, « Introducing Würstchen: Fast Diffusion for Image Generation » Accès libre, sur huggingface, (consulté le ).
  25. ↑ (en) Stability, « Stable Diffusion 3 » Accès libre, sur stability.ai, (consulté le ).
  26. ↑ a et b Lvmin Zhang, Anyi Rao et Maneesh Agrawala, « Adding Conditional Control to Text-to-Image Diffusion Models » Accès libre, sur Cornwell University, arXiv, (consulté le ).
  27. ↑ (en) stable-diffusion-art, « ControlNet v1.1: A complete guide » Accès libre, sur stable-diffusion-art.com, (consulté le ).
  28. ↑ (en) « Papers with Code - Pose Estimation », sur paperswithcode.com (consulté le ).
  29. ↑ (en) « Papers with Code - Depth Estimation », sur paperswithcode.com (consulté le ).
  30. ↑ « kohya-ss/controlnet-lllite · Hugging Face », sur huggingface.co (consulté le ).
  31. ↑ (en) Renato Sortino, « ColorizeNet: Stable Diffusion for Image Colorization », sur Medium, (consulté le ).
  32. ↑ (en) James Vincent, « AI art tools Stable Diffusion and Midjourney targeted with copyright lawsuit », sur The Verge, .
  33. ↑ (en) Blake Brittain, « Judge pares down artists' AI copyright lawsuit against Midjourney, Stability AI », sur Reuters, (consulté le ).

Articles connexes

[modifier | modifier le code]

Liens externes

[modifier | modifier le code]

v · m
Texte
Images
Vidéos
Musiques
Prompt
Entreprises
Critiques
Ce document provient de « https://fr.wikipedia.org/w/index.php?title=Stable_Diffusion&oldid=219215149 ».