Jul 4, 2023 · SDXL
SDXL：改进高分辨率图像合成的潜在扩散模型
SDXL是Stable Diffusion的升级版，采用三倍大的UNet骨干网络，增加注意力块和更大跨注意力上下文，使用双文本编码器。设计多种新颖条件方案，在多宽高比上训练，并引入后处理精炼模型提升视觉保真度。性能显著优于前代，与黑盒顶级图像生成器竞争。
EVENT STORY
Development
- First ReportSDXL：改进高分辨率图像合成的潜在扩散模型arXiv cs.AI
- Current AssessmentSDXL作为开源模型，降低了高质量图像生成的门槛，推动文本到图像合成在广告、设计、内容创作等领域的应用，同时促进开源社区与商业模型的竞争。Agent Pulse · analysis
SDXL通过扩大UNet骨干网络、增加注意力块和双文本编码器，显著提升了文本到图像合成的质量。多宽高比训练和精炼模型进一步增强了视觉保真度，性能超越前代Stable Diffusion，接近商业黑盒模型。
SDXL将UNet参数扩大三倍，主要增加注意力块和跨注意力上下文，使用双文本编码器（CLIP和OpenCLIP）。设计多种条件方案（如尺寸、裁剪参数），在多宽高比上训练。引入精炼模型，通过后处理图像到图像技术提升样本视觉保真度。评估显示在FID、CLIP分数等指标上显著优于前代，与DALL-E 2、Midjourney等竞争。
SDXL作为开源模型，降低了高质量图像生成的门槛，推动文本到图像合成在广告、设计、内容创作等领域的应用，同时促进开源社区与商业模型的竞争。
企业可基于SDXL开发定制化图像生成服务，如广告创意、产品设计，或集成到现有内容创作工具中，降低对商业API的依赖。
未来需验证SDXL在更复杂场景（如视频生成、3D内容）的泛化能力，以及精炼模型在不同下游任务中的有效性。