U-Netとは何か。
簡単に言うと？
- U-Netは、画像内の物体やパターンの特徴を自動的に識別し、それらの特徴の境界（物体と背景などさまざま）を詳細に抽出するためのツールです。
なぜ、U-Netと呼ばれるの？
- U字構造になっているネットワークだからです。
情報元
原文に近い情報はこれ。
diffusers
https://huggingface.co/docs/diffusers/index
https://github.com/huggingface/diffusers
U-Netの構造
U-Netの構造は複雑であり、１枚の絵だけでは可視化しきれない。
当wikiに関係する、いろいろな視点で集めてみる。
Stable Diffusion web UIで使われている場所
引用：としあき自作
arXiv出典より
引用：https://arxiv.org/abs/1505.04597
- 図左上から中央下にかけて、
572✕572pxの画像を、最小解像度32✕32pxまでダウンサンプリング。
結果として、ノイズだらけのぼやけた画像になる。
この左側の役割を担うのがEncoder（エンコーダ）
- 図中央下から右にかけて、
32✕32pxの画像を、388✕388pxまでアップサンプリング。
この結果が出力したい画像になる。
この右側の役割を担うのがDecoder（デコーダ）
- Encoderの過程では、
- 特徴量を抽出する（フィルタリング）。
- サイズダウンして、計算コストを削減する
LyCORISより
図は、LyCORISで学習できる単位の一例。