UltraEdit/diffusers/docs/source/ko/using-diffusers/reusing_seeds.md

Deterministic(결정적) 생성을 통한 이미지 품질 개선

생성된 이미지의 품질을 개선하는 일반적인 방법은 결정적 batch(배치) 생성을 사용하는 것입니다. 이 방법은 이미지 batch(배치)를 생성하고 두 번째 추론 라운드에서 더 자세한 프롬프트와 함께 개선할 이미지 하나를 선택하는 것입니다. 핵심은 일괄 이미지 생성을 위해 파이프라인에 torch.Generator 목록을 전달하고, 각 Generator를 시드에 연결하여 이미지에 재사용할 수 있도록 하는 것입니다.

예를 들어 runwayml/stable-diffusion-v1-5를 사용하여 다음 프롬프트의 여러 버전을 생성해 봅시다.

prompt = "Labrador in the style of Vermeer"

(가능하다면) 파이프라인을 [DiffusionPipeline.from_pretrained]로 인스턴스화하여 GPU에 배치합니다.

>>> from diffusers import DiffusionPipeline

>>> pipe = DiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16)
>>> pipe = pipe.to("cuda")

이제 네 개의 서로 다른 Generator를 정의하고 각 Generator에 시드(0 ~ 3)를 할당하여 나중에 특정 이미지에 대해 Generator를 재사용할 수 있도록 합니다.

>>> import torch

>>> generator = [torch.Generator(device="cuda").manual_seed(i) for i in range(4)]

이미지를 생성하고 살펴봅니다.

>>> images = pipe(prompt, generator=generator, num_images_per_prompt=4).images
>>> images

이 예제에서는 첫 번째 이미지를 개선했지만 실제로는 원하는 모든 이미지를 사용할 수 있습니다(심지어 두 개의 눈이 있는 이미지도!). 첫 번째 이미지에서는 시드가 '0'인 '생성기'를 사용했기 때문에 두 번째 추론 라운드에서는 이 '생성기'를 재사용할 것입니다. 이미지의 품질을 개선하려면 프롬프트에 몇 가지 텍스트를 추가합니다:

prompt = [prompt + t for t in [", highly realistic", ", artsy", ", trending", ", colorful"]]
generator = [torch.Generator(device="cuda").manual_seed(0) for i in range(4)]

시드가 0인 제너레이터 4개를 생성하고, 이전 라운드의 첫 번째 이미지처럼 보이는 다른 이미지 batch(배치)를 생성합니다!

>>> images = pipe(prompt, generator=generator).images
>>> images