文生图

AI算法-图哥

pytorch量化训练训练时量化（Quantization-aware Training, QAT）是一种在模型训练过程中，通过模拟低精度量化效应来增强模型对量化操作的鲁棒性的技术。与后训练量化不同，QAT 允许模型在训练过程中考虑到量化引入的误差，从而在实际部署时使用低精度进行推理时能够维持更高的性能。

水中加点糖

使用SpringAI快速实现离线/本地大模型应用大模型(LLM)，Large Language Model作为当前比较热门的技术，最近在年在各行各业中都得到了广泛的应用。

画图小计 - 千问 & 豆包豆包的画风更偶像派千问则更真实：有油腻味、痞味、丧味豆包千问：2024-10-22（二）

用 LoRA 微调 Stable Diffusion：拆开炼丹炉，动手实现你的第一次 AI 绘画总得拆开炼丹炉看看是什么样的。这篇文章将带你从代码层面一步步实现 AI 文本生成图像（Text-to-Image）中的 LoRA 微调过程，你将：

SDXL-Lightning容器构建指南SDXL-Lightning 项目是由字节跳动开发的一个创新性的 AI 图像生成项目，该项目通过采用全新的蒸馏战略，优化了扩散模型，实现了从文字到高清图像的快速、高质量生成。

ComfyUI 基础教程(三) —— 应用 Controlnet 精准控制图像生成你是否有见过下面类似这样的图片：看起来平平无奇，当你站远点看，或者把眼睛眯成一条缝了看，你会发现，这个图中藏有一些特别的元素。这就是利用了 Ai 绘画中的 ControlNet，实现对图片的相对更精准控制。上一篇文章讲述了文生图的基本工作流和最基础的核心插件用法。通过提示器可以描述我们想要生成的图片。但是通过文字是无法精准描述描述图片的。就好你说 “一个女孩，穿着粉色的裙子”，一百个人听到这句话，脑海中产生的信息有一百种，每个人想到的都不一样，无论你再怎么加场景、细节、修饰符，都不可能统一所有人的理解。

图像生成技术飞速发展，个人化艺术创造还有多远？在开始话题之前，我先点进去了话题中提供的体验链接：https://www.aliyun.com/solution/tech-solution/tongyi-wanxiang 最开始进去这个页面看着和通义万相感觉一点关系没有，后来再次确认了链接没有错，那么意思就是需要自己部署【通义万相文本绘图与人像美化】这个，然后再体验通义万相的文生图在文档中找到部署操作的内容，这里我为了可以快速体验自己部署版的通义万相，我选择【一键部署】进入一键部署后，部署步骤比较简单，按照部署步骤先准备账号和DashScope

Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——进阶上分实战优化 Task3笔记Hi，大家好，我是半亩花海。在上一个任务中，我们逐行精读baseline，掌握了利用AI工具提升学习效率，并制作了话剧连环画，初步了解Secpter WebUI。今天，我们将深入探讨微调的基本原理及其参数，旨在优化效果。同时，介绍文生图工作流平台ComfyUI，帮助实现更高度定制的文生图生成，进一步提升我们的创作和应用能力。

HyperAI超神经

AAAI‘25 今日截稿！SD 核心成员开源比 Midjourney 还强的文生图模型，现已提供一键启动Midjourney 真的不香了！继 Stable Diffusion 3 于 6 月开源后，Stability AI 前核心成员 Robin Rombach 带领着新团队在本月初推出了 FLUX.1 图像生成模型家族。官方声称 FLUX.1 在多个关键指标上超越了 Midjourney v6.0 和 DALL·E 3 等文生图的头部模型，还是开源的。说的这么强，你是不是也摩拳擦掌了呢？

最新爆火文生图模型FLUX在AI图片生成领域，Flux模型的推出引起了广泛关注。随着AI技术的不断进步，新的模型层出不穷，而Flux正是其中的一颗新星。

精读代码，实战进阶&实践Task2好的，根据您的要求，我为您编写了一套适用于每个场景的生图提示词。以下是每个场景的详细描述：女主正在上课

超算互联网-Stable Diffusion 2.1文生图教程超算互联网是一种基于云计算的高性能计算平台，用户可以通过互联网接入超级计算资源。它集成了大量的计算节点，提供强大的计算能力，适用于科学计算、深度学习、人工智能等领域。用户可以利用超算互联网平台运行复杂的模型和算法，显著提升计算效率和处理能力。

Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——精读baseline 实战进阶 Task2笔记Hi，大家好，我是半亩花海。最近在继续学习Datawhale X 魔搭举办的2024年AI第四期夏令营的AIGC文生图方向，本次Task2的主要学习内容是借助通义千问、文心一言等大模型工具（无广）进行精读baseline代码，并进行新项目的实战进阶。

玩AI的小胡子

Midjourney入门-提示词基础撰写与公式在前几篇教程里我们已经可以初步使用Midjourney进行出图了。包括也了解了Midjourney的指令与参数。

AI算法-图哥

Stable Diffusion 官方模型V1.5版本下载Stable Diffusion的官方模型更适合绘制偏写实的风格，如果您想绘制二次元之类的风格，可以考虑下载本站的其它模型。

【人工智能】Transformers之Pipeline（八）：文生图/图生图（text-to-image/image-to-image）目录一、引言二、文生图/图生图（text-to-image/image-to-image）2.1 文生图

从DDPM到DDIM(四) 预测噪声与后处理下图展示了DDPM的双向马尔可夫模型。训练目标。最大化证据下界等价于最小化以下损失函数：推理过程。推理过程利用马尔可夫链蒙特卡罗方法。

从DDPM到DDIM (一) 极大似然估计与证据下界现在网络上关于DDPM和DDIM的讲解有很多，但无论什么样的讲解，都不如自己推到一遍来的痛快。笔者希望就这篇文章，从头到尾对扩散模型做一次完整的推导。本文的很多部分都参考了 Calvin Luo[1] 和 Stanley Chan[2] 写的经典教程。也推荐大家取阅读学习。

从DDPM到DDIM现在网络上关于DDPM和DDIM的讲解有很多，但无论什么样的讲解，都不如自己推到一边来的痛快。笔者希望就这篇文章，从头到尾对扩散模型做一次完整的推导。

大数据AI人工智能培训专家培训讲师叶梓

文本到图像的革新：自动化Prompt优化的UF-FGTG框架在文本到图像合成领域，已经能够由文本描述直接生成图像。然而，尽管这一技术带来了无限的可能性，它仍然面临着一个关键挑战：如何设计出能够引导模型生成高质量图像的提示（prompts）。尤其是对于初学者而言，他们可能缺乏必要的经验和对关键词的熟悉度，难以手动输入能够满足模型要求的提示，而且用户输入的提示和模型训练时使用的提示之间存在差异。这种用户输入的提示与模型偏好的提示之间存在的差异，常常导致生成的图像与预期效果有所偏差。