DIffusion 第19页

探索未来绘画：AI 的视觉创造力 | 开源专题 No.30

AUTOMATIC1111/stable-diffusion-webuiStars:100.4kLicense:AGPL-3.0这个项目是基

开源服务指南·2023-10-09 14:00

Stable Diffusion绘画入门

.\webui-user.bathttp://127.0.0.1:7860/参考链接：https://chat.xutongbao.top/

徐同保·2023-10-09 13:27

基于Stable Diffusion的图像合成数据集

当前从文本输入生成合成图像的模型不仅能够生成非常逼真的照片，而且还能够处理大量不同的对象。在论文“评估使用稳定扩散生成的合成图像数据集”中，我们使用“稳定扩散”模型来研究哪些对象和类型表现得如此逼真，以便后续图像分类正确地分配它们。这使我们能够根据现实表现对模型进行评估。推荐：用NSDT编辑器快速搭建可编程3D场景。上面的照片使用足球的例子来表明，不仅生成了非常逼真的照片，而且从精确的文本提示开始

新缸中之脑·2023-10-09 13:22

使用 Stable Diffusion 生成的仿旧照片和二次元图片

Diffusion模型不太擅长逼真的人像，程序生成

ruanqizhen·2023-10-09 13:52

Stable Diffusion生成图片的参数查看与抹除方法

查看图片的生成参数1、打开StableDiffusionWebUI，点击Tab菜单中的【图像信息/PNGInfo】，不同版本的WebUI可能显示的文字或略有不同。2、在左侧选择本地的一张图片，如果是StableDiffusion生成的图片，我们可以在右边看到图片的生成参数，依次是：提示词、反向提示词、模型详细参数。我们还可以在参数的下边看到几个按钮，他们可以把参数或者图片发送到生成窗口，这样可以节

野生的狒狒·2023-10-09 13:19

Stable Diffusion生成图片

画质masterpiece,bestquality,illustration,extremelydetailCGunity8kwallpaper,ultra-detailed,depthoffield杰作，最佳质量，插图，极度详细的8K壁纸，超高详细度，景深画风Chineseinkpainting,watercolor,oilpainting,sketch,realistic中国水墨画，水彩，油画

徐同保·2023-10-09 13:48

3D 生成重建004-DreamFusion and SJC ：TEXT-TO-3D USING 2D DIFFUSION

3D生成重建004-DreamFusionandSJC：TEXT-TO-3DUSING2DDIFFUSION文章目录0论文工作1论文方法1.1论文方法1.2CFG1.3影响1.4SJC2效果0论文工作对于生成任务，我们是需要有一个数据样本，让模型去学习数据分布p(x)p(x)p(x)，但是对于3d的生成来说，有两个挑战：1）一个完善的很大的3d数据数据集，对比2d的扩散模型是一个几亿的图像文本对上

小熊bdg·2023-10-09 11:58

转载：stable diffusion原理解读通俗易懂，史诗级万字爆肝长文，喂到你嘴里

超详细stablediffusion论文解读，收藏备用，以后有感兴趣的小朋友可以关注下。另一篇实战（收费挺讨厌的）：OpenAI一夜颠覆AI绘画！DALL·E3+ChatGPT强强联合，画面直接细节爆炸一、前言（可跳过）hello，大家好我是Tian-Feng，今天介绍一些stablediffusion的原理，内容通俗易懂，因为我平时也玩Ai绘画嘛，所以就像写一篇文章说明它的原理，这篇文章写了真滴

wuling129·2023-10-08 20:55

openAI发布基于ChatGPT的AI绘画模型DALL·E3，话说stable-diffusion还香吗？

前期的文章，我们介绍过stable-diffusion的相关操作，stablediffusion模型是StabilityAI开源的一个text-to-image的扩散模型，其模型在速度与质量上面有了质的突破

人工智能研究所·2023-10-08 20:43

今年较火的扩散模型Diffusion Model

作者：“码上有钱”文章简介：AI-扩散算法欢迎小伙伴们点赞、收藏⭐、留言项目扩散模型加噪去噪过程原理高斯噪声在深度学习中，高斯噪声通常指的是一种服从高斯分布（正态分布）的随机噪声。它可以用来模拟真实世界数据中的噪声，并用于数据增强、数据生成和对抗训练等任务中。在深度学习中，高斯噪声通常被添加到输入数据中，以模拟真实世界中存在的噪声。例如，在图像分类任务中，为了增强模型的鲁棒性，可以给输入图片添加高

码上有前·2023-10-08 18:46

阅读论文笔记：High-Resolution Image Synthesis with Latent Diffusion Models

论文标题：High-ResolutionImageSynthesiswithLatentDiffusionModels翻译：基于潜扩散模型的高分辨率图像合成参考链接：https://zhuanlan.zhihu.com/p/582693939前备知识：首先需要学习扩散模型了解上采样(放大图片)和下采样(缩小图片)下采样目的：1.使得图像符合显示区域的大小2.生成对象图像的缩略图摘要：模型通常直接在

小源0·2023-10-08 07:22

AI绘画-Stable Diffusion笔记

软件：StableDiffusion视频教程来自https://www.bilibili.com/video/BV1As4y127HW/?spm_id_from=333.337.search-card.all.click提示词提示词类别内容型提示词人物主题特征：服饰穿搭：whitedress发型发色：blondehair,longhair五官特点：smalleyes,bigmouth面部表情：sm

苏柘_level6·2023-10-08 00:05

记录本地部署Stable-diffusion所依赖的repositories和一些插件

今天按照其他文章的步骤拉取好了https://github.com/AUTOMATIC1111/stable-diffusion-webui后，点击webui-user.bat后发现，repositories

KO_NO_JOJO·2023-10-07 06:26

Cartoon头像 InsCode Stable Diffusion 美图活动一期

一.简单介绍和活动地址简单介绍试用StableDiffusion模型生成优质人物好图，更简单地炼丹。“InsCode是一个集成了在线IDE、在线AI编程、在线算力租赁、在线项目部署以及在线SD模型使用的综合代码开发平台。不论你是初级软件工程师，还是AI大模型爱好者，InsCode都能帮助你快速编写代码，运行项目。甚至在这里你还可以一键购买算力，训练大模型，开发自己的AI应用程序。”运行地址InsC

ForwardSummer·2023-10-07 01:21

Stable Diffusion超详细教程！从0-1入门到进阶

一个叫Midjourney（简称MJ），另一个叫Stable-Diffusion（简称SD）。MJ需要付费使用，而SD开源免费，但是上手难度和学习成本略大，并且非常吃电脑配置（显卡、内存）。

lsm2024·2023-10-07 00:52

Diffusion Models可控视频生成Control-A-Video：论文和源码解读

DiffusionModels专栏文章汇总：入门与实战前言：Diffusion视频生成的时间连贯性问题是可控视频生成问题最大的挑战。

沉迷单车的追风少年·2023-10-07 00:51

Stable Diffusion Web-UI 安装指南

StableDIffusion是Stability.AI开源的text-to-image模型，目前类似产品有Midjourney以及OpenAI的DELL-2；从AI绘画效果上来说，Midjourney目前公认是最好的；但从模型的可玩性和发展潜力来看，个人观点来看，StableDiffsuion是是最好的。StableDiffsuionWeb-ui是基于StableDiffsuion开发的一个可视

程序员大飞1·2023-10-06 22:15

Latent Diffusion Models 论文解读

论文下载地址：https://arxiv.org/pdf/2112.10752.pdf0摘要通过将图像形成过程分解为去噪自编码器的连续应用，扩散模型（DM）在图像数据及其他方面取得了最先进的合成结果。此外，它们的表述允许一种指导机制来控制图像生成过程，而无需重新训练。然而，由于这些模型通常直接在像素空间中操作，因此优化功能强大的扩散模型通常会消耗数百个GPU天，并且由于顺序评估而导致推理成本高昂。

AI 菌·2023-10-06 21:57

Stable Diffusion云服务器部署完整版教程

StableDiffusion云服务器部署完整版教程2023年07月04日22:303607浏览·18喜欢·22评论薯片_AI粉丝：1513文章：1设置分组取消关注已关注文本旨在将stablediffusion部署在云服务器上，利用云服务器的优势让我们更好的体验AI绘图。本文的教程是作者一步步实践所总结出来的，完整的按照作者的步骤执行，是可以在云服务器上部署一个较为完整的sd。本教程中包括了很多配

luoganttcc·2023-10-05 10:16

High-Resolution Image Synthesis with Latent Diffusion Models 稳定扩散模型论文笔记

一、研究现状早期图像生成方法主要是变分自动编码器（VariationalAutoencoders,VAEs)，该算法利用编码器和解码器以及变分推断的方法学习隐空间到真实图像空间的映射从而完成图像的生成。其优势是特征空间可迁移并且训练较为稳定，但是不容易进行模型评估，当输入的图像数据的分布情况复杂时，其学习到的特征泛化能力不足，而且生成的图像模糊。生成对抗网络(GenerativeAdversari

密涅瓦的鹰头猫·2023-10-04 22:38

Stable Diffusion：High-Resolution Image Synthesis with Latent Diffusion Models论文学习

https://github.com/CompVis/latent-diffusion1摘要前一篇Diffusion算法明显的缺点是耗费大量的时间、计算资源，为此，论文将其应用于强大的预训练自编码器的潜在空间

south020·2023-10-04 22:38

High-Resolution Image Synthesis with Latent Diffusion Models论文阅读+代码复现

摘要：扩散模型在图像数据和其他数据上实现了最先进的合成结果，并且它的公式允许引导机制来控制图像生成的过程而无需重新训练。然而，这种模型直接在像素空间上操作，因此，功能强大的扩散模型通常需要花费大量的计算资源与推理时间。为了在有限的计算资源上进行扩散模型的训练，我们将扩散模型应用在强大的预训练自动编码器的潜在空间。与之前的工作相比，在这种表示上训练扩散模型首次能够在降低复杂度和保留细节之间达到接近最

Ptp_Ai·2023-10-04 22:08

High-Resolution Image Synthesis with Latent Diffusion Models笔记

我是刚入门的小白，试着自己读论文不一定对望能理解这篇论文产生问题的源头是什么这篇论文解决了什么问题以及实现了什么功能由于这些模型通常直接在像素空间中操作，因此强大DM的优化通常消耗数百个GPU天，并且由于顺序评估，推断是昂贵的。应该就是解决了资源问题以某一种方法降低了计算的要求且达到复杂性降低和细节保留之间的接近最佳点，大大提高了视觉保真度我们的潜在扩散模型（LDMs）实现了图像修复和类条件图像合

小宋加油啊·2023-10-04 22:08

【扩散模型】3、Stable Diffusion 原型 | High-Resolution Image Synthesis with Latent Diffusion Models

条件机制三、实验论文：High-ResolutionImageSynthesiswithLatentDiffusionModels代码：https://github.com/CompVis/latent-diffusion

呆呆的猫·2023-10-04 22:07

Align your Latents: High-Resolution Video Synthesis with Latent Diffusion Models

AlignyourLatents:High-ResolutionVideoSynthesiswithLatentDiffusionModelsAbstract首先在图像数据集上训练LDM，同时将时间维度引入latentspace，并对编码的图像序列进行微调，从而健图像生成器转变为视频生成器。projectweb：https://nv-tlabs.github.io/VideoLDM/motivat

Lcx559·2023-10-04 22:37

High-Resolution Image Synthesis with Latent Diffusion Models

开源的预训练LDM，，StableDiffusionHigh-ResolutionImageSynthesiswithLatentDiffusionModels

apche CN·2023-10-04 22:07

扩散模型diffusion model 代码解读

代码来自这里使用pytorch轻松实现简单扩散模型diffusionmodel（附可跑通全部代码）-知乎1.作者首先自己定义了一个数据集，也就是一堆散点，组成的S。2.这些都是预先设置好的参数，也就是利用这些来做learning的提示，也就是输入的t。3.前向加噪声的过程4.这一步是演示一个加噪的过程的可视化。5.会对输入的t，也就是时间戳来做一个embedding，也就是作为一个先验？

anzrs·2023-10-04 21:39

【深度学习】扩散模型（Diffusion Model）详解

【深度学习】扩散模型（DiffusionModel）详解文章目录【深度学习】扩散模型（DiffusionModel）详解1.介绍2.具体方法2.1扩散过程2.2逆扩散过程2.3损失函数3.总结4.参考1.介绍扩散模型有两个过程：扩散过程：如上图所示，扩散过程为从右到左X0→XTX_0\rightarrowX_TX0→XT的过程，表示对图片逐渐加噪，且Xt+1X_{t+1}Xt+1是在XtX_{t}

笃℃·2023-10-04 16:36

扩散模型（Diffusion Model）的简单理解

介绍如今生成扩散模型的大火,则是始于2020年所提出的DDPM(DenoisingDiffusionProbabilisticModel),仅在2020年发布的开创性论文DDPM就向世界展示了扩散模型的能力，在图像合成方面已经全面击败了GAN，所以讲扩散模型运用到计算机视觉领域的其他方面也是当下的焦点。DiffusionModel与GAN的简单对比1.GAN网络也叫生成对抗性网络，是一种基于深度学

CV白小白·2023-10-04 16:06

一文弄懂 Diffusion Model

什么是DiffusionModel一、前向Diffusion过程DiffusionModel首先定义了一个前向扩散过程，总共包含T个时间步，如下图所示：最左边的蓝色圆圈x0表示真实自然图像，对应下方的狗子图片

HealthScience·2023-10-04 16:05

【Diffusion】DDPM - （2）公式推导之前向扩散

1、加噪过程1、将图像x0x_0x0像素值映射到[-1,1]之间x255×2−1,where x为图像中的像素值\quad\frac{x}{255}\times2-1,\quadwhere\;x为图像中的像素值255x×2−1,wherex为图像中的像素值\quad2、生成一张尺寸相同的噪声图片，像素值服从标准正态分布ϵ∼N(0,1),where ϵ为噪声图像中的像素值\quad\epsilo

Enzo 想砸电脑·2023-10-04 03:34

【Diffusion】DDPM - （1）预备基础知识

预备基础知识1、概率-条件独立A和B是两个独立事件 ⇒ P(A∣B)=P(A)\;\Rightarrow\;P(A|B)=P(A)⇒P(A∣B)=P(A)，P(B∣A)=P(B)\quadP(B|A)=P(B)P(B∣A)=P(B) ⇒P(A,B∣C)=P(A∣C)P(B∣C)\quad\quad\quad\quad\quad\quad\quad\quad\;\;\;\Rightar

Enzo 想砸电脑·2023-10-04 03:04

torch.cuda.OutOfMemoryError: CUDA out of memory.

StablediffusionmodelfailedtoloadLoadingweights[6ce0161689]fromE:\SD\stable-diffusion-webui\models\Stable-diffusion

轻览月·2023-10-03 21:37

stable diffusion学习笔记【2023-10-2】

Stupid小池·2023-10-03 08:36

新人白嫖：基于揽睿星舟云部署Stable Diffusion，10 分钟体验 SDXL 1.0 超强功能（AI绘画保姆级教程）

一、前言SDXL1.0自推出到现在，已经有一段时间了，网上也看到了用SDXL做出的各种惊艳的图，相对于StableDiffusion之前的版本来说，功能确实强大了很多。SDXL1.0给我们带来最大的好处就是，基本可以实现靠嘴出图了，新手小白可以在完全不了解复杂的提示词结构、LoRA、Embedding、扩展插件等知识的情况下，也可以使用自然语言轻松出图了，大大降低了使用门槛。SDXL1.0相对于之

程序员X小鹿·2023-10-03 00:45

SRDiff: Single Image Super-Resolution with Diffusion Probabilistic Models 论文笔记

前言由于大多数基于卷积神经网络或者Attention机制的超分辨模型大部分都是PSNR主导的，即用PSNR作为损失函数进行训练，这会导致超分辨图像过度平滑的问题，也就是超分辨后的图像高频信息不能很好保留，并且超分辨的图像较为固定，对于超分辨这种不适定问题来说不太合适。另外一种超分辨模型是基于GAN进行图像生成，会存在训练困难、模型不稳定的问题。于是论文提出了基于扩散模型的超分辨模型，具有特点如下：

Unsunshine_Bigboy_?·2023-10-02 15:40

SR3:Image Super-Resolution via Iterative Refinement（零基础解读基于diffusion的超分网络）

ImageSuper-ResolutionviaIterativeRefinement摘要：本文提出来一种通过重复精细化操作来实现图像超分辨率的SR3模型。SR3将噪扩散概率模型嫁接至在图像到图像的翻译任务中，通过随机迭代去噪实现图像超分辨率。通过训练一个用于在各种水平噪声上去噪的U-Net架构，逐步的对完全高斯噪声进行逐步精细化最终得到输出图像。不论是人脸图像还是自然图像，SR3都在不同倍率的超

曹栩珩·2023-10-02 15:37

超分辨率：Implicit Diffusion Models for Continuous Super-Resolution

源码学习见专栏置顶～论文作者：SichengGao,XuhuiLiu,BohanZeng,ShengXu,YanjingLi,XiaoyanLuo,JianzhuangLiu,XiantongZhen,BaochangZhang论文链接：http://arxiv.org/abs/2303.16491v11）方向：图像超分辨率2）应用：图像超分辨率3）背景：当前的图像超分辨率方法通常存在过度平滑和伪

小P学长·2023-10-02 15:36

车牌超分辨率：License Plate Super-Resolution Using Diffusion Models

论文作者：SawsanAlHalawani,BilelBenjdira,AdelAmmar,AnisKoubaa,AnasM.Ali作者单位：PrinceSultanUniversity论文链接：http://arxiv.org/abs/2309.12506v1内容简介：1）方向：图像超分辨率技术2）应用：监控系统中的车牌识别3）背景：在监控系统中，由于车牌通常质量较低、尺寸较小，这会影响识别的准

学术菜鸟小晨·2023-10-02 15:05

【扩散生成模型】Diffusion Generative Models

由浅入深了解DiffusionModel相关论文合集：Awesome-Diffusion-Models提出扩散模型思想的论文：《DeepUnsupervisedLearningusingNonequilibriumThermodynamics

dataloading·2023-10-02 14:24

如何部署Stable Diffusion WebUI Windows + 无科学上网版

如何部署StableDiffusionWebUI无科学上网版一些背景一些需求硬件需求（可选）软件需求一些细节检查nvidiadriver查看对应cuda版本安装cuda安装cuDNN安装GPU版pytorch安装StableDiffusionWebUI下载模型一些背景因为众所周知的原因，在大陆地区登录一些网站延迟过高，甚至出现无法登录的情况，这使得新技术的体验过程变得困难重重。比如最近大火的Sta

chenleiHub·2023-10-02 12:31

AI绘画本地部署Stable Diffusion web UI

StableDiffusionwebUI一、项目介绍AbrowserinterfacebasedonGradiolibraryforStableDiffusion.项目地址：GitHub-AUTOMATIC1111/stable-diffusion-webui

学习3人组·2023-10-02 12:00

【论文阅读】DiffusionDet: Diffusion Model for Object Detection

原文链接：https://arxiv.org/abs/2211.097881.引言过去的目标检测方法依赖手工设计的候选对象（如滑动窗口、区域提案、锚框和参考点）；或是依赖可学习的物体查询。本文使用更加简单的方法，随机初始化边界框（不含可学习参数或启发式先验），直接从噪声框中细化位置和尺寸。这种从噪声生成边界框的方法与去噪扩散模型生成图像的过程类似。 DiffusionDet将目标检测任务

byzy·2023-10-01 18:22

【论文笔记】SVDM: Single-View Diffusion Model for Pseudo-Stereo 3D Object Detection

原文链接：https://arxiv.org/abs/2307.022701.引言目前的从单目相机生成伪传感器表达的方法依赖预训练的深度估计网络。这些方法需要深度标签来训练深度估计网络，且伪立体方法通过图像正向变形合成立体图像，会导致遮挡区域的像素伪影、扭曲、孔洞。此外，特征级别的伪立体图生成很难直接应用，且适应度有限。那么如何绕过深度估计，在图像层面设计透视图生成器呢？和GAN相比，扩散