Playground正式发布最新文生图模型Playground v2.5，此模型提升了图像的美学质量，特别强调颜色和对比度的增强、改进了多纵横比图像生成，可以生成各种比例图像以及人像细节的提升。
目前模型已经在Hugging Face上释出，目前已经可以通过第三方插件在ComfyUI上运行，稍后官方也将提供扩展让大家可以在Automatic1111和ComfyUI运行此模型。大家也可以在Playground官网上免费使用此模型，免费用户每天可以生成500张图片。
模型主要特点：
- 增强颜色和对比度： Playground v2.5通过改进噪声调度（noise schedule）来训练扩散模型，从而显著提高图像的真实感和视觉保真度。
- 多宽高比图像生成： 模型能够在不同的宽高比下生成高质量的图像，这在实际应用中非常重要。
- 人本细节优化： 通过与人类偏好对齐，Playground v2.5减少了在生成人类特征（如手、脸和躯干）时的视觉错误。
技术细节：
- 噪声调度： 在训练过程中，Playground v2.5采用了一种新的噪声调度方法，使得在最终的“时间步”中信号与噪声比接近零，从而解决了颜色暗淡的问题。
- 宽高比处理： 为了在不同宽高比下生成图像，Playground v2.5采用了一种平衡的数据集准备策略，确保模型不会对某一特定宽高比产生偏见。
- 人类偏好对齐： 通过用户评分自动策划高质量数据集，并采用迭代的、包含人类参与的训练方法，Playground v2.5在生成人类相关图像时更加符合人类的审美偏好。
模型对比：
Playground v2.5在多个方面与其他文本到图像生成模型进行了对比，包括与SDXL、DALL·E 3、Midjourney v5.2、Playground v2以及PixArt-alpha等模型的比较。以下是一些关键的对比点：
- 颜色和对比度：Playground v2.5在生成具有鲜艳颜色和高对比度的图像方面表现出色。例如，与SDXL相比，Playground v2.5能够生成纯黑色或纯白色的背景，并且颜色更加丰富和生动。
- 多宽高比生成：Playground v2.5在处理不同宽高比的图像生成方面也有所改进。它能够在多种宽高比下生成高质量的图像，而不会像SDXL那样在非正方形宽高比下生成多个对象或错误的构图。
- 人类特征细节：在人类特征的细节处理上，Playground v2.5通过与人类偏好对齐，减少了视觉错误，如面部形态扭曲或身体结构不自然。这使得生成的人类图像在面部细节、眼睛形状和注视、头发纹理以及整体光照、颜色饱和度和景深方面更加符合人类的审美预期。
- 用户研究：通过在产品内进行的用户研究，Playground v2.5在审美偏好方面优于SDXL、DALL·E 3、Midjourney v5.2等模型。用户研究显示，Playground v2.5在多个方面（如面部细节、眼睛形状和注视、头发纹理等）的表现都优于其他模型。
- 自动评估基准：新引入的MJHQ-30K自动评估基准显示，Playground v2.5在整体Fréchet Inception Distance (FID)分数上优于Playground v2和SDXL，尤其是在人物和时尚类别上。
Playground v2.5在提升图像审美质量方面取得了显著的进步，不仅在用户研究中得到了验证，而且在自动评估基准上也表现出色。这些改进使得Playground v2.5在文本到图像生成领域中成为一个领先的模型。
评论0