图像生成
文章平均质量分 96
Lcm_Tech
这个作者很懒,什么都没留下…
展开
-
【diffusers】(二) scheduler介绍 & 代码解析
距离上一次更新已经很久了hhh,刚换了工作,最近才有时间更新博客。ok接下来我们继续介绍diffusers中的模块,最重要的我觉得一定是,因为它这里面包含了扩散模型的基本原理,通过对代码的分析我们可以对论文中的公式有着更好的理解,同时scheduler也在DDPM的基础上优化了许多不同的版本,加深对这些scheduler的理解也可以帮助我们在实际选择scheduler时有更好的理论支持。原创 2023-10-19 21:13:14 · 5582 阅读 · 2 评论 -
【diffusers】(一) diffusers库介绍 & 框架代码解析
说到现在最常用的stable diffusion代码,那肯定莫过于stable-diffusion-webui了,它的快捷安装、可视化界面、extension模块等等功能都拓展了使用人群。虽然在大多数情况下webui都有很好的适用性,但是在某些特殊需求或者应用场景下,我们需要对模型部分结构进行修改(比如把condition模块从文字换成图像,甚至是点云、图表、图结构等数据形式),这时修改模型的同时也需要修改前端可视化代码,时间成本上会较高(主要是我也不会Gradio)。那可不可以在源码上进行修改呢?原创 2023-08-18 17:07:10 · 11180 阅读 · 12 评论 -
【图像生成】(四) Diffusion原理 & pytorch代码实例
之前介绍完了图像生成网络GAN和VAE,终于来到了Diffusion。stable diffusion里比较复杂,同时用到了diffusion,VAE,CLIP等模型,这里我们主要着重介绍diffusion网络本身。原创 2023-08-09 18:42:54 · 6222 阅读 · 12 评论 -
【图像生成】(三) VAE原理 & pytorch代码实例
上一篇文章里我们介绍了【图像生成】的GAN及其改进WGAN,还有对应的condition条件生成代码。这篇文章主要介绍另外一种生成网络VAE。原创 2023-08-08 01:20:09 · 2443 阅读 · 7 评论 -
【图像生成】(二) GAN 原理 & pytorch代码实例
上一篇文章里我们介绍了【图像生成】的几种模型以及最直观的DNN的代码和效果,当然可以看出来不足的地方。这篇文章里主要介绍GAN模型的原理,以及它是怎么解决以上问题的。原创 2023-08-07 10:16:52 · 3661 阅读 · 4 评论 -
【图像生成】(一) DNN 原理 & pytorch代码实例
从之前开始就一直想做这个【图像生成】系列,主要是之前做过很多跟GAN相关的项目,同时AIGC和Stable Diffusion的火爆也开始让这个方向的研究活跃起来。这个板块主要是想介绍【图像生成】模型的发展过程,以及其中最主要的几个代表模型,来研究和分析其中的改进点和创新性,来更好地帮助大家理解图像生成模型。数据集我们就用最简单的MNIST手写数字数据集,来做基本的生成和condition生成任务,这样也方便更好理解模型的流程和思路,每个模型都会介绍它们的原理、公式以及对应的pytorch代码实现。原创 2023-08-04 14:08:55 · 2150 阅读 · 1 评论