定義とプロセス DeepFloyd IFは、モジュール化、カスケード化された、ピクセルdiffusion モデルです。ここでは、それぞれの記述子の定義を分解して説明します。 Modular: DeepFloyd IFは、複数のニューラルモジュール(テキストプロンプトからの画像生成やアップスケーリングなど、独立したタスクを解決できるニューラルネットワーク)で構成されており、1つのアーキテクチャでの相互作用により相乗効果が生まれます。 Cascaded: DeepFloyd IFは、異なる解像度で個別にトレーニングされた一連のモデルを使用して、カスケード方式で高解像度データをモデル化しています。このプロセスは、ユニークな低解像度サンプル(「プレーヤー」)を生成するベースモデルから始まり、連続する超解像度モデル(「アンプリファイア」)によってアップサンプリングされて、高解像度画像が生成されます。
![Stability AI、画像にテキストを組み込める強力なテキストトゥイメージモデル「DeepFloyd IF」をリリース — Stability AI Japan](https://cdn-ak-scissors.b.st-hatena.com/image/square/70feec1e6ee4d3b708dcb3c323f279c60a3ec03b/height=288;version=1;width=512/http%3A%2F%2Fstatic1.squarespace.com%2Fstatic%2F646b4513dbebfb2c0adc2b52%2F646b4524dbebfb2c0adc2ca9%2F646b4524dbebfb2c0adc2d80%2F1685355640473%2Funnamed.png%3Fformat%3D1500w)