Pruna AI veröffentlicht P-H3-Image als Open Source, ein Bildmodell auf Basis des Videomodells MiniMax H3
Laut Pruna AI erzeugt oder bearbeitet das offene P-H3-Image Bilder in acht Schritten fünfmal schneller und ist siebenmal kleiner als das Videomodell H3, auf dem es aufbaut.
Pruna AI hat P-H3-Image veröffentlicht, ein Modell mit offenen Gewichten zum Erzeugen und Bearbeiten von Bildern. Es basiert auf MiniMax H3, einem Videomodell. Die Gewichte liegen auf Hugging Face, einen technischen Bericht hat das Unternehmen in seinem Blog publiziert. Nach Angaben von Pruna erzeugt oder bearbeitet das Modell Bilder fünfmal schneller und braucht dafür acht Schritte statt der 50 des Originals. Matthew Berman, der auf seinem Kanal Forward Future über die Veröffentlichung berichtete, nannte ein Beispiel: Ein Bild mit 4 Megapixeln entstehe in 2,6 Sekunden, beim Original seien es 12,4 Sekunden.
Der Geschwindigkeitsgewinn entsteht, weil weniger Denoising-Schritte nötig sind, also jene Durchläufe, mit denen ein Diffusionsmodell aus Rauschen ein Bild formt. Weniger Schritte bedeuten weniger Durchgänge durch das Netz pro Bild. Bermans direkter Vergleich von H3 mit 50 Schritten und P-H3-Image mit acht Schritten zeigt Außerirdische und Menschen im Weltraum. Die Ergebnisse sahen laut Berman nahezu identisch aus.
Weniger eindeutig ist die Angabe zur Größe. Pruna spricht von einem siebenmal kleineren Modell als H3. Die Dateigrößen, die Berman vorlas, lauten jedoch 143 GB für H3 und 55 GB für P-H3-Image in BF16, in int8 sind es etwa 30 GB. Berman folgert daraus, dass hochauflösende Bilder so zu einem schlanken Download werden und auf einer deutlich kleineren GPU laufen. Das hängt allerdings davon ab, welche dieser Messgrößen gemeint ist.
Als Stärken nennt Pruna Fotorealismus, Dokumentar- und Editorial-Fotografie, Filmstills sowie grafische Stile mit kurzem Text in Anführungszeichen. Berman zeigte ein fotorealistisches Beispiel aus der Upsampler-Stufe mit dem Prompt „an old fisherman at sunrise“. Die handschriftlichen Beispiele fand er überzeugend, darunter Beschriftungen mit Bleistift und Tinte sowie einen Kaffeefleck in einer Ecke.
Was sich ändert
Art: Neue Funktion · Betrifft: P-H3-Image
Warum es wichtig ist
Unternehmen, die Bilder in hoher Auflösung erzeugen, könnten GPU-Zeit und Download-Größe einsparen, sofern sich die Angaben zu Geschwindigkeit und Qualität in eigenen Tests bestätigen.
Was Sie tun können
Teams mit Bild-Pipelines könnten das Modell anhand ihrer eigenen Prompts hinsichtlich Latenz und Qualität mit ihrem aktuellen Generator vergleichen.
Wie sich die Meldung entwickelt hat
Der Kommentar ergänzt konkrete Zeitmessungen, die Dateigrößen der Modelle und den Qualitätsvergleich des Moderators mit MiniMax H3.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Forward Future (Matthew Berman)
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es