Lanzamiento de Stable Diffusion 3 Medium
El miércoles, Stability AI lanzó Stable Diffusion 3 Medium, un modelo de síntesis de imágenes que convierte indicaciones de texto en imágenes generadas por IA.
Sin embargo, su llegada ha sido ridiculizada en línea, ya que produce imágenes humanas que parecen un paso atrás comparado con otros modelos de última generación como Midjourney o DALL-E 3.
Problemas de Anatomía
El modelo puede generar visuales incorrectos y anatómicamente incorrectos con facilidad. En Reddit, un hilo titulado «¿Se supone que este lanzamiento es una broma?» detalla las fallas espectaculares del SD3 al renderizar humanos, especialmente manos y pies.
Otro hilo, titulado «¿Por qué SD3 es tan malo generando chicas tumbadas en el pasto?» muestra problemas similares en cuerpos humanos completos.
Explicaciones y Reacciones
Manos y pies siempre han sido un desafío para los generadores de imágenes por IA debido a la falta de buenos ejemplos en los datos de entrenamiento iniciales. Sin embargo, modelos recientes parecían haber superado este problema, por lo que SD3 se siente como un gran paso atrás.
Los fanáticos de las imágenes generadas por IA en Reddit culpan a la insistencia de Stability en filtrar contenido para adultos (NSFW) de los datos de entrenamiento de SD3.
«Censurar un modelo también elimina la anatomía humana, y eso es lo que pasó,» escribió un usuario de Reddit.
En resumen, cuando una indicación de usuario se centra en un concepto mal representado en los datos de entrenamiento, el modelo generará su mejor interpretación, a veces con resultados aterradores.
Problemas de Estabilidad en los Modelos de IA
En 2022, los modelos de inteligencia artificial tuvieron dificultades para representar correctamente a los humanos, y los investigadores descubrieron que censurar contenido para adultos con desnudos podía afectar severamente la capacidad de un modelo para generar anatomía humana precisa.
En ese momento, Stability AI corrigió su enfoque con las versiones SD 2.1 y SD XL, recuperando algunas habilidades perdidas debido al filtro estricto de contenido NSFW (no seguro para el trabajo). Un problema común durante el pre-entrenamiento es que el filtro NSFW a veces es demasiado exigente, eliminando imágenes valiosas que no son ofensivas.
Desafíos en la Modelización de Humanos
Un usuario de Reddit mencionó que «[SD3] funciona bien siempre y cuando no haya humanos en la imagen, creo que su filtro mejorado decidió que todo lo humanoide es NSFW». Usando una demo en línea de SD3 en Hugging Face, vimos resultados similares.
Por ejemplo, el prompt «un hombre mostrando sus manos» devolvió una imagen de un hombre con manos enormes y al revés, aunque cada mano tenía cinco dedos.
Anuncio de Stable Diffusion 3
Stability anunció Stable Diffusion 3 en febrero, planeando ofrecerlo en varios tamaños de modelo. La versión «Media», con un modelo de 2 mil millones de parámetros, está disponible hoy. Los pesos del modelo están disponibles en Hugging Face y a través de la plataforma de Stability para su uso bajo una licencia no comercial.
Problemas Internos
Poco después del anuncio en febrero, retrasos en la liberación de los pesos del modelo SD3 generaron rumores sobre problemas técnicos o mala gestión.
Stability AI sufrió recientemente con la renuncia de su fundador y CEO, Emad Mostaque, en marzo, seguida de una serie de despidos. Antes de esto, tres ingenieros clave también dejaron la empresa.
La Situación Financiera de la Compañía y sus Implicaciones para Stable Diffusion
Desde 2023, las noticias sobre la complicada situación financiera de la compañía han sido constantes. Para algunos fans de Stable Diffusion, los fallos con Stable Diffusion 3 Medium son una evidente manifestación visual de la mala gestión de la compañía—y una clara señal de que las cosas están empeorando.
Reacciones de los Usuarios
Aunque la compañía no ha declarado bancarrota, algunos usuarios hicieron bromas oscuras sobre la posibilidad después de ver SD3 Medium: «Supongo que ahora pueden quebrar de manera segura y ética, después de todo.»
