Stable Diffusion 3核心技术研究论文详解
要点提炼： Stability AI发布了深入剖析Stable Diffusion 3核心技术的研究论文 基于人类偏好评估，Stable Diffusion 3在遵循提示内容及排版质量上超越了DALL...
排序
豆包AI修图大升级！一键P图、换风格、删杂物，一句话搞定！
字节跳动旗下多功能AI助手 豆包（Doubao） 宣布其 App 内的智能修图功能迎来重大更新。此次升级基于全新图像编辑模型 SeedEdit 3.0，带来了更多实用又有趣的 P 图玩法，让普通用户也...
新型SD加速模型PCM：解决在高分辨率、文本条件图像生成中的一些现有问题而设计
香港中文大学、 Avolution AI 、Hedra、上海人工智能实验室、商汤和斯坦福大学的研究人员推出新的SD加速模型PCM（Phased Consistency Model，分阶段一致性模型...
一种新颖的模型微调方法DoRA：比LoRA更精细、更全面的微调策略
DoRA（Weight-Decomposed Low-Rank Adaptation）是一种用于微调（fine-tuning）大型预训练模型的新方法。DoRA的核心思想是将预训练模型的权重分解为两个部...
新型图像生成模型Diffusion Mamba（DiM）：通过结合Mamba序列模型的效率和扩散模型的表现力，来高效生成高分辨率的图像
来自香港大学、华为诺亚方舟实验室、清华大学和上海交通大学的研究人员推出新型图像生成模型Diffusion Mamba（简称DiM），它融合了基于状态空间模型(SSM)的高效序列模型——Mamba，与扩...
Stable Diffusion中的embedding是什么？什么是文本嵌入？
在使用Stable Diffusion进行生图的时候，我们常常会用到embedding模型，这个embedding模型是什么呢？在中文中通常被翻译为“文本嵌入”，其实也就是我们之前介绍的Textual...
字节跳动推出PuLID：用于个性化文本到图像的生成
字节跳动推出PuLID，它用于个性化文本到图像（Text-to-Image，简称T2I）的生成。PuLID的全称是“Pure and Lightning ID customization”，即纯粹和闪...
Stable Diffusion提示词简介、语法规则、常用提示词与浏览器插件推荐
在使用 Stable Diffusion模型进行绘画的时候，最令人头疼的可能就是提示词该怎么写，无论是Stable Diffusion Web UI还是ComfyUI都有插件可以解决这个问题，不过大家...
新型图像上采样模型Inf-DiT：高效地对任何分辨率的图像进行上采样，即提高图像的分辨率而不失细节
清华大学与智谱AI的研究人员推出新型图像上采样模型Inf-DiT，它能够高效地对任何分辨率的图像进行上采样，即提高图像的分辨率而不失细节。在图像处理领域，上采样是一个重要的技术，它可以用于放大图像而不...
视频扩画方法MOTIA：根据视频内容自动学习并生成新的内容，适用于多种视频处理和创作的场景
来自香港中文大学、Avolution AI、上海人工智能实验室和商汤科技研究院的研究团队推出视频扩画方法MOTIA（Mastering Video Outpainting Through Input...
基于大语言模型的新型文本编码器LI-DiT：灵活地将尖端的大语言模型融入文本转图像生成模型
商汤研究院、香港中文大学移动计算实验室和上海人工智能实验室的研究人员推出新型文本编码器LI-DiT（LLM-Infused Diffusion Transformer），旨在充分发挥大语言模型的潜力...
GaussianObject框架：仅用四张图片就重建出高质量的3D物体
来自上海交大、华为、多伦多大学的研究人员推出GaussianObject框架，它能够仅用四张图片就重建出高质量的3D物体。这个框架利用了高斯溅射（Gaussian Splatting）技术，通过在稀疏...
