赵KK的博客

今天，作为实现这一目标的第一步，我们发布了 FLUX.1 模型套件，该套件推动了文本到图像合成的前沿。在6月上旬，SD3刚刚开源了SD3的medium版本模型，当然SD3的最佳之处在于模型架构与Sora是同源架构，而不是参数量，因为SDXL就有101亿参数，当然了，SD3有3个版本，但是最大也是80亿，虽然不一定是越大越好，但是一个AI文生图大模型，都超越了一些开源的大语言模型，那就是我们的主角FLUX.1，一出手就获得了3000万美元的融资，而这仅仅是推出的三个版本中开源的一个。Apache 2 许可。

Infinigen作为Anthropic的一项研究成果,目的是探索GAN在生成人像方面的应用,同时也验证生成的人像图片的真实性,避免生成有害或者不适宜的内容。2. 生成模型的监督学习:研究如何在不提供大量人工标注数据的情况下,监督和控制生成模型的输出。例如,Infinigen是Anthropic开发的一种对抗生成网络(GAN)模型,可以生成高质量的人像图片,同时避免生成不良内容。Infinigen是一个强大的人像图片生成模型,它可以根据简单的人物描述生成逼真的人像图片,在很多场景下有着广阔的应用前景。

一键商业模特换衣，更注重商业化webui的开放性和ComfyUI的专业性不同，WeShop追求易用性和商用性，对于需要高强度的重复工作场景，或者小团队共用局域网显卡的场景，WeShop会更好些。后续也会根据大家的需要继续迭代，争取做成最易用的SD UI。Animate Anyone和Outfit Anyone 开源了PPT，github代码为空。上期内容回顾。

特别是，FreeControl 有助于方便地对许多不同的架构和检查点进行免训练控制，允许大多数现有免训练方法无法满足的具有挑战性的输入条件，并通过基于训练的方法实现有竞争力的综合质量。对应的对齐大小写包含类似的文本提示,但使用了来自具有相同概念的真实图像的空间条件。FreeControl利用了预训练的T2I模型的特征空间,方便了对许多架构和检查点的方便控制,允许各种具有挑战性的输入条件,而大多数现有的无训练方法都无法满足这些条件,并通过基于训练的方法实现了有竞争力的合成质量。您的原始模型是安全的。

2月16日伴随着OpenAI世界大模型Sora的发布，stability_ai也发布了其最新的模型Stablediffusion3,如果说一个是音视频方向，一个是图像生成方向，那么两者没有必然的联系，但Sora和Stablediffusion3的架构是出奇的一致，核心部分都是采用了Difusion Transformer的方式(在Stablediffusion3中称之为DiT)。为了研究模型的可扩展性，作者通过增加模型的深度（即注意力块的数量）和隐藏层的大小来参数化模型的大小。

（可选）选中，选择您想要的 GroundingDINO 模型，编写文本提示（用 ） 分隔不同的类别并选择一个框阈值（我强烈推荐默认设置。单击 ，预处理器选择，模型选择。对于语义转换，您将看到 4 个图像，其中左侧 2 个没有 SAM，右侧 2 个有 SAM。对于随机预处理器，您将看到 3 个图像，其中左上角是混合图像，右上角是随机彩色蒙版，左下角是 EditAnything ControlNet。例如，如果您想要床+人，则 ade20k 的输入应为 7+12，coco 的输入应为 59+0。

所谓的插件是通过下载集成的方式，使得SD在绘画过程中通过API的调用在参数内通过页面设置达到二次渲染出图的过程## [2024最全大厂面试题无需C币点我下载或者在网页打开全套面试题已打包](https://pan.quark.cn/s/865a0bbd5720)## [AI绘画关于SD,MJ,GPT,SDXL,Comfyui百科全书](https://yv4kfv1n3j.feishu.cn/docx/MRyxdaqz8ow5RjxyL1ucrvOYnnH)2.怎么玩复

字体设计：放在水平面，倒影，特写数字艺术，西瓜肉和[西瓜汁：2]，小种子，白色背景，冰背景，\n光线追踪，真实感，照片，杰作，逼真，逼真，高对比度，8k高清高清详细逼真，详细，超详细，最佳质量，超高分辨率，（真实感：1.4），高分辨率，详细，原始照片，清晰。布局和排版：注意海报的布局和排版，确保海报的各个元素（如文字、图片、图形等）在视觉上有一个良好的安排和组合，使其具有吸引力和可读性。主题和信息：明确海报的主题和传达的信息，确保这些信息与海报的整体设计风格相符合，同时确保信息清晰、简洁、易于理解。

Training models with lowvram not possible: 这点显存还想炼丹？- CUDA out of memory： 炸显存 换启动参数 换显卡。增加细节 配合去除景深，使用精确背景去除工具得到人物蒙版，回送脚本。media_pipe face（脸部边缘检测）重新分布图片色彩（色彩） 使用色彩图素材。插件--脚本--选择One Button。代码语言：javascript。推荐process lasso。softedge（软边缘检测）canny（边缘检测）

LCM 这个技术可以让 4090在1 秒钟生成 10 张 512X52 大小的图片，太强了，如果可以用在 Animetadiff 中的话可以大幅提高视频生成效率。以往我们用 SD 生成图片起码需要 20 步的推导步骤，但是使用 LCM 只需要 4 步就行，从一些测试结果看 6-8 步可能是一个理想的步骤。你现在可以在 WebUI 和 ComfyUI 中尝试 LCM，但是这两个插件我安装的时候都遇到了不同程度的问题，感兴趣的可以自己安装一下。

当向平静的湖面扔了一个小石子，水波纹向周边扩散最终恢复平静的过程，我们称之为稳定扩散，在图像生图原理中扩散过程是指，将一个图像经过多次迭代，逐渐变得模糊、扩散的过程。稳定扩散这个名字来源于这个过程的稳定性。通过将无分类器的引导提炼到模型的输入中，LCM 可以在非常短的推理时间内生成高质量的图像。伴随着OpenAI在11月7日开发者大会当天除了chatGPTs全家桶外，OpenAI开源了全新解码器，依赖LCM技术，开源了全新的VAE，随之而来的LCM这个名词也火了起来，但是说好的提升怎么变成5倍了？

不管怎么样，AI黏土风就是火了！你别说你都不知道，你也别说你都没刷到，IOS商店下载量一度超越抖音，并且还是非永久免费使用的，AI修图软件Remini在五一假期走红，提供黏土滤镜风格图像生成，广受用户喜爱。4.市场反响：Remini的黏土滤镜功能在市场上的反响热烈，不仅在小红书、微博、抖音等社交平台上引发了大量讨论和互动，还催生了相关的商业机会，如代做黏土滤镜照片的服务。5.用户反馈：用户对于Remini的黏土滤镜功能的反馈普遍积极，许多人认为这种效果既丑萌又有趣，能够带来新鲜的视觉体验和娱乐效果。

复制到从网址安装点击安装即可安装完重启生效升级版本下载插件的N种方式1.直接下载zip安装包3.从网址安装4.插件列表安装。

IC-Light，全称为“Imposing Consistent Light”，是一款由ControlNet作者张吕敏开发的AI图像照明操纵工具。它致力于通过先进的机器学习技术，对图像的照明条件进行操纵，从而实现一致的光照效果。IC-Light的核心在于它能够在不依赖复杂提示的情况下，通过简单的文本描述或背景条件，对图像的光照进行调整，创造出各种光影效果。IC-Light不仅是一个图像处理工具，它是艺术家和设计师手中的画笔，是科学家和工程师们智慧的结晶。

生成式人工智能（Generative AI）是指那些能够生成新的、原创性的内容的人工智能系统。与传统的人工智能系统强调模式识别和推理不同，生成式AI专注于创造新的、无监督的数据。总结了近三个月的工作流，包含视频转绘，SVD，stablezero123,面部高清放大，丝滑变装，起手式，实时绘画等等共计66个工作流链接：https://pan.quark.cn/s/320387279505。

定义Stable Diffusion及其工作原理定义Stable Diffusion及其工作原理Stable Diffusion 是一个2022年发布的深度学习文本到图像的潜在扩散模型（LDM / Latent Diffusion Model），由 CompVis、Stability AI 和 LAION 的研究人员和工程师创建。

近期的产品更新的太快了，快手凭借可灵成为后起之秀，也不甘寂寞，接连推出了KOLORS,如果不想在本地体验，还可以在线出图，各平台纷纷测评觉得比肩MJ6，真实人像表现超越市面其他模型表现。Docs往期精彩内容官方邀请了50个具有图像领域知识的专业评估人员对不同模型的生成结果进行对比评估，为生成图像打分，衡量维度为：画面质量、图文相关性、整体满意度三个方面。Kolors 在整体满意度方面处于最优水平，其中画面质量显著领先其他模型。

没有Controlnet的生态是不完全的生态，强大如Flux都知道，提示词理解能力我已经很强了，画面已经这么可控了，但出Controlnet才能将生态推向浪潮，Flux tools,名副其实的工具箱，Controlnet一次发布了6款模型，包含了canny、depth、FLUX.1 Fill重绘填充（也就是inpaiting）、扩图以及adapter风格模型，接下来我们进行Flux模型大盘点。1. FLUX.1 Fill：最先进的修复和扩展模型，允许根据文本描述和二进制蒙版编辑和扩展真实和生成的图像。

第一步下载Flux Lora到本地，存储在\models\loras下，本地大模型使用flux0.1的dev满血版本，如果想要速度加快，可以使用forge版本，或者FP8版本，对质量影响很小。第三步对图片进行放大。

安装方法 方法1、复制地址到你的webui中 从网站安装后应用并重启 https://github.com/thisjam/sd-webui-oldsix-prompt.git 方法2、 如果webui中无法安装的可以选择手动安装，点击页面上的code->DownloadZip 解压以后放在你的sd文件夹下的extensions文件夹后应用并重启。1，sd-webui-aki-v4.2\tmp路径下删除下载失败的插件文件夹（文件夹删光也行），再重新尝试安装。问题:插件安装失败，怎么解决？

2月16日伴随着OpenAI世界大模型Sora的发布，stability_ai也发布了其最新的模型Stablediffusion3,如果说一个是音视频方向，一个是图像生成方向，那么两者没有必然的联系，但Sora和Stablediffusion3的架构是出奇的一致，核心部分都是采用了Difusion Transformer的方式(在Stablediffusion3中称之为DiT)。为了研究模型的可扩展性，作者通过增加模型的深度（即注意力块的数量）和隐藏层的大小来参数化模型的大小。

阿里EMO项目开源了，但是是PPT！！！但在其项目页面仍然是一个不错的表现。鸡你太美 快口阿里音视频项目EMO AI继Anyone开源PPT后，阿里人像视频项目再次开源了PPT。github提了156个issues，一半以上全是骂娘的。以下视频为阿里官方项目视频，时长01:09，时长01:14，时长00:26其仓库主页大部分项目都是空代码的就连13.5Kstar的项目也是骂娘阿里巴巴集团智能计算研究院的研究人员开发了一个名为EMO（Emote Portrait Alive）的框架。