ControlNet 学习笔记

已于 2024-05-15 17:59:20 修改
阅读量171 收藏
点赞数 3
分类专栏： 深度学习基础 文章标签： 学习 笔记
于 2024-05-15 17:52:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/138916108
版权

ControlNet根据一些额外的信息控制扩散生成走向

在作用原理上，ControlNet和LoRA是有许多相似之处的，定位都是对大扩散模型做微调的额外网络。

Annotator（预处理器）:从图片中提取对ControlNet有用的额外信息

Diffusion:在ControlNet指导下生成图像作品

三、ControlNet五大模型

1.Openpose

2.Depth

3.Canny

4.SoftEdge（Hed）柔和边缘

5.Scribble(涂鸦)

AI算法网奇
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ControlNet网络规划.docx
04-14
ControlNet 网络规划详解 ControlNet 是一种工业控制网络协议，广泛应用于工业自动化领域。下面是 ControlNet 网络规划的详细说明： 一、ControlNet 网络规划概述 ControlNet 网络规划是指在工业自动化系统中，...
ControlNet用户手册
03-18
ControlNet用户手册.pdf 介绍了关于ControlNet用户手册的详细说明，提供AB网络通讯的技术资料的下载。
ControlNet笔记
ziro_的博客
03-23 172
Controlnet创新点
Stable Diffusion学习笔记
weixin_42229060的博客
07-18 3356
它们包含了图像的各种细节，如人物的外观、背景、颜色和光线效果，以及图像的主题和风格。这些prompt的格式经常包含括号内的加权数字，用于指定某些细节的重要性或强调。StableDiffusion是一款利用深度学习的文生图模型，支持通过使用提示词来产生新的图像，描述要包含或省略的元素。),主要用来优化草图；艺术家的名字是一个非常强的风格修饰符，使用的时候要知道这个是什么风格。3.导出的图除去差异太大的行（hang)，留下差异不大的行(hang)点击下面的图可以下载需要的图（我们下载骨架图和手部canny图）
comfyui视频转绘学习笔记
jacke121的专栏
02-14 1285
ComfyUI+AnimateDiff+controlnet
stable diffusion学习笔记
最新发布
HJS123456780的博客
06-03 529
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
2023.10DataWhale扩散模型学习笔记——Week1
godlikesun97的博客
10-20 101
扩散模型是一种生成模型。生成模型的学习目标是对训练数据的分布进行建模。扩散模型的扩散过程包含前向过程和反向过程。前向过程给数据添加噪声；反向过程则是去除噪声，从随机噪声中恢复清晰数据。HuggingFace是一个开源机器学习平台。HuggingFace为我们提供了：1. 超过7万份可供模型训练的数据集（截止2023.10）2. 超过36个开源预训练模型。模型配有模型卡对该模型进行描述和使用方式的说明3. 在线推理:打开。
第六节：Lagent & AgentLego 智能体应用搭建--学习笔记
weixin_46873533的博客
04-23 804
与 1.2 部分类似，我们在两个 terminal 中分别启动 LMDeploy 服务和 Tutorial 已经写好的用于这部分的 Web Demo：Important注意，确保 1.1 节中的 LMDeploy 服务以及 1.2 节中的 Web Demo 服务已经停止（即 terminal 已关闭），否则会出现 CUDA Out of Memory 或是端口已占用的情况！export WEATHER_API_KEY=在2.2节获取的API KEY。
aigc修复美颜学习笔记
jacke121的专栏
01-11 1268
aigc修复畸形手势
扩散模型学习笔记
u011593550的博客
10-19 281
一些UNet的设计在每个阶段都有复杂的blocks，但对于这个玩具demo，我们只会构建一个最简单的示例，它接收一个单通道图像，并通过下行路径上的三个卷积层（图和代码中的down_layers）和上行路径上的3个卷积层，在下行和上行层之间具有残差连接。扩散模型（diffusion models）属于无监督生成模型，而关于生成模型的研究浩如烟海，例如耳熟能详的生成对抗网络（GAN）、变分自编码器（VAE）、流模型（Flow）、玻尔兹曼机（Boltzman Machine）、自回归模型等。
学习笔记 | Lagent & AgentLego 智能体应用搭建
DrFlown的博客
04-23 581
​ 在本节中，我们将基于 Lagent 自定义一个工具。Lagent 中关于工具部分的介绍文档位于 https://lagent.readthedocs.io/zh-cn/latest/tutorials/action.html。继承 BaseAction 类实现简单工具的 run 方法；或者实现工具包内每个子工具的功能简单工具的 run 方法可选被 tool_api 装饰；工具包内每个子工具的功能都需要被 tool_api 装饰。
ControlNet培训教程
03-18
ControlNet培训教程。 介绍了关于ControlNet培训教程的详细说明，提供AB网络通讯的技术资料的下载。
Stable Diffusion WebUI Forge版ControlNet模型资源包下载
02-23
Stable Diffusion WebUI Forge版ControlNet模型资源包下载
ControlNet网络组态.pdf
06-20
主要介绍利用AB RSNetWorx组态软件对RSlogix5000系统进行ControlNet网络组态，图文结合，介绍详细操作步骤。
逻辑回归（Logistic Regression）通俗解释
热门推荐
jacke121的专栏
04-07 5万+
【机器学习】逻辑回归（Logistic Regression）注：最近开始学习《人工智能》选修课，老师提纲挈领的介绍了一番，听完课只了解了个大概，剩下的细节只能自己继续摸索。从本质上讲：机器学习就是一个模型对外界的刺激（训练样本）做出反应，趋利避害（评价标准）。1. 什么是逻辑回归？许多人对线性回归都比较熟悉，但知道逻辑回归的人可能就要少的多。从大的类别上来说，逻辑回归是一种有监督的统计学习方法...
OSError: [WinError 126] 找不到指定的模块/Could not find 'cudart64_90.dll'.
jacke121的专栏
02-11 1万+
OSError: [WinError 126] 找不到指定的模块/Could not find 'cudart64_90.dll'.原文：http://blog.csdn.net/wobeatit/article/details/79207196       之前一直在学深度学习的理论知识，今日心血来潮，突然想试试深度学习框架的使用，因为之前在学习卷积神经网络时，一直使用的都是python，于是此...
多通道卷积计算理解
jacke121的专栏
05-03 1万+
多通道卷积计算对于单通道图像，若利用10个卷积核进行卷积计算，可以得到10个特征图；若输入为多通道图像，则输出特征图的个数依然是卷积核的个数（10个）。 1.单通道多个卷积核卷积计算 一个卷积核得到的特征提取是不充分的，我们可以添加多个卷积核，比如32个卷积核，从而可以学习32种特征。2.多通道多个卷积核卷积计算 图片：假设图片的宽度为width:W，高度为height:H，图片的通道数为D，一般...
controlnet
02-22
ControlNet是一种用于工业自动化系统网络通信协议。它是由罗韦尔自动化（Rockwell Automation）公司开发的，用于连接和控制各种设备和系统，如PLC可编程逻辑控制器）、传感。 ControlNet采用了高速串行通信技术，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值