Stable Diffusion 3（SD）

Stable Diffusion 3是由Stability AI开发的一款先进的文本到图像生成模型，于2024年初发布。这个模型在图像质量、文本内容生成、复杂提示理解和资源效率方面有了显著提升。

Stable Diffusion 3的特点包括：

1. 改进的模型结构和文本编码方法：采用了全新的模型结构和文本编码方法，能够生成更符合文本描述且高质量的图片。
2. 多模态扩散Transformer（MMDiT）架构：处理多种模态的能力，包括文本和图像，提高了模型的整体理解能力。
3. 重新加权的Rectified Flow（RF）公式：在训练过程中，数据和噪声以线性轨迹相连，减少了采样步骤，提高了性能。
4. 灵活的文本编码器：通过移除用于推理的内存密集型文本编码器，降低了内存需求，而性能损失却很小。
5. 参数量的可扩展性：从800M到8B不等，可以在多种设备上直接运行，降低了AI大模型的使用门槛。
6. 支持多主题提示和复杂的自然语言理解：能够理解并生成各种主题和风格的图像。
7. 高质量的图像生成：生成的图像具有照片般细节逼真、色彩鲜艳、光照自然等特点。
8. VAE隐空间通道数的提升：更好地表现手部以及面部细节。
9. 改进的提示遵循能力：新模型有能力制作出聚焦于各种不同主题和质量的图像。
10. 开源和可复现性：提供了详细的论文和源码，便于社区用户进行研究和测试。

Stable Diffusion 3的发布被视为文本到图像生成领域的一个重要里程碑，为用户提供了更强大、更灵活的AI艺术创作工具