Bild: Stability AI

Für die aktuelle Version von Stable Diffusion setzt das Team auf neue Forschungsansätze, die Bildqualität und Leistung verbessern sollen.

Das Team von Stability AI hat die aktuelle Version 3 seines KI-Modells Stable Diffusion zur Bilderzeugung aus Texteingaben vorgestellt. Im Vergleich zu den zahlreichen Vorgängerversionen und darin umgesetzten Verbesserungen soll die aktuelle Version die Leistung vor allem verbessern, wenn in der Texteingabe mehrere Subjekte vorkommen.

Zusätzlich zu einer erwarteten Verbesserung der Bildqualität soll die Darstellung von Text in den generierten Bildern massiv verbessert werden. Das war bisher ein großes Problem der Modelle.

Für Version 3 von Stable Diffusion setzten die Beteiligten gleich zwei vergleichsweise neue Forschungsansätze um. Dabei handelt es sich zum einen um die Diffusion-Transformer-Architektur.