Dyfuzja prowadzona w skompresowanej przestrzeni autoenkodera zamiast bezpośrednio na pikselach, co zmniejsza koszt obliczeń; warunkowanie tekstem może być realizowane przez cross-attention. Tę konstrukcję wykorzystują modele z rodziny Latent Diffusion, w tym Stable Diffusion.
Diffusion performed in an autoencoder's compressed latent space rather than directly in pixel space, reducing computation; text conditioning can be implemented through cross-attention. This design is used by Latent Diffusion models, including Stable Diffusion.
To tworzenie obrazu przez odszumianie jego mniejszego, ukrytego zapisu zamiast pełnego zestawu punktów zdjęcia.
This generates images by denoising a smaller latent representation rather than every image pixel.
Praca bezpośrednio na dużych obrazach wymaga wielu obliczeń i dużej ilości pamięci.
Working directly on large images requires substantial computation and memory.
Kompresor skraca zapis obrazu, generator pracuje na tym skrócie, a dekoder zamienia wynik z powrotem w widoczne zdjęcie.
An encoder compresses an image, the generator works on that compact representation, and a decoder turns the result back into visible pixels.
Generator plakatu wykonuje większość kroków na skompresowanym zapisie i dopiero na końcu odtwarza pełny obraz.
A poster generator performs most steps on a compressed representation and reconstructs the full image only at the end.