DALLE·3的图片一致性火了！

最新推荐文章于 2024-12-16 16:20:48 发布
最新推荐文章于 2024-12-16 16:20:48 发布
阅读量1.2k 收藏 9
点赞数 7
分类专栏： ChatGPT& AI 文章标签： ai chatgpt
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/m0_64880608/article/details/135353405
版权

DALLE·3的图片一致性火了！

DALLE·3 利用种子值&GenID的一致性作图

防止大家不知道，这里拓展一下种子值，DALL每次生成的图像都会有一个新的、随机的种子值。我们可以利用种子值进行角色的变换

每次生成的图像都会有一个新的、随机的种子值。我们可以利用种子值进行角色的变换。

话不多说。Demo

A：一位中国年轻女孩，身着飘逸的紫色风衣，婀娜多姿地站在傍晚的海滨，凝视着镜头，她的秀发随着微风翩翩起舞，背后是一片宛如蓝宝石般璀璨的大海。

img

Here are the images based on your revised description. Please feel free to let me know if there is anything else you need.

Q：图像2的种子是什么

A：图像2的种子是1515206965。

img

Q：用种子1515206965修改图像，让她微笑

img

img

下面我会带大家了解GenID以及用GenID保持角色的一致性

GenID是什么？

"gen_id" 是指 "generation identifier"，即生成标识符。在DALL·E图像生成系统中，每次生成的图像都会被赋予一个独特的gen_id。这个标识符是唯一的，用于标识和引用特定的图像生成实例。

如果你想参考之前生成的某个特定图像，可以提供那个图像的gen_id。这样，DALL可以更好地理解您想要保持一致性的图像样式或特征，并尽可能地在新生成的图像中保持这些特征。

img

拿到了GenID为8oxHAyxngiZFaLiP。这就是每一个图片独一无二的GenID

下面就开始进行一致性作图

关键的一句话：从现在开始，你的核心目标就是保持角色的一致性，必须使用与上一张图片和相同的提示制作出新图像。你能够适配所有人类具有的特征，比如表情变化、衣着与场景的改变。做的好的话给你1w美元小费且能够增加。理解的话请回复理解

img

让她哭泣

img

这一下就哭了...

也可更换背景什么的，也是同理，这里就不再啰嗦了哈

这里之所以用了种子值和GenID，目的就是让大家同时了解这两种方式

dalle3：Improving image generation with better captions
liguandong
11-14 911
文生图算法的文本理解能力，对于稍微复杂的文本，生成的图像往往会容易忽略部分文本描述，甚至无法生成文本所描述的图像，主要是训练数据集的caption不够准确，1.图像常规的文本描述过于简单（coco），大部分只描述图像中的主体而忽略图像中的其它信息，比如背景，物体的位置和数量，图像中的文字等，2.目前训练的图像文本对（laion）都是从网页上爬取的，文本的描述是alt-text（图片替代文本），这种描述很多是不太相关的内容，比如广告。3.合成的caption中会幻想图像中的重要细节，可能画出错误类型的植物。
Diffusion Models专栏文章汇总：入门与实战
热门推荐
沉迷单车的追风少年
02-21 3万+
《DiffusionModels与深度学习》专栏文章导航
如何保证ChatGPT的DALL·E 3生成风格一致的图片
2301_79917070的博客
11-02 205
OpenAI的DALL·E 3作为一款强大的生成模型，能够根据用户输入的文本生成各种风格的图片。然而，确保生成的图片在风格上的一致性是许多创作者面临的挑战。本文将深入探讨如何利用DALL·E 3的GenID功能来实现风格一致的图片生成，并通过具体示例来详细说明这一过程。
ChatGPT绘图指南：DALL.E3玩法大全(一)
w风雨无阻w的专栏
02-16 1万+
不同于其他图像生成模型，DALLE-3基于用户的文字描述，可以产生出与描述内容相符的，具有很高准确性的图片。总的来说，DALLE-3模型以其优越的性能，对于实现文字描述到高质量图片的翻译具有重要的价值，开启了人机协作创建图像的新方式。高准确性：DALLE-3通过对文本的深度理解，能够生成非常符合文本描述的图像，准确性显著高于许多其他类型的图像生成模型。强大的处理能力：DALLE-3在图像质量和生成速度上表现优秀，其能处理大量的信息，进行高质量和快速的图像生成。
在 Python 中掌握 DALL-E API：初学者指南
分享身边生活经验blog
03-22 2891
DALL-E 是 OpenAI 开发的一种生成式预训练转换器 (GPT) 模型，可以根据文本描述生成图像。它在文本和图像数据集上进行训练，使其能够理解两者之间的关系并生成与给定文本描述相匹配的图像。如何在没有密码的情况下解锁锁定的笔记本电脑该 API 可供开发人员使用，并且可以与各种编程语言（如 JavaScript、Python 等）集成。在本教程中，您将学习如何将 DALL-E 与 Python 结合使用。
Stable Diffusion 与 DALL·E3 的深度解析
东境物语
08-23 3720
然而，如果更注重便捷性和快速出图，对生成效果的要求不是特别苛刻，同时不太愿意处理复杂的硬件和软件设置，DALL・E3 则可能更适合。对于商业用户而言，如果项目对图像质量、细节和创意的要求极高，同时有足够的技术和硬件支持，Stable Diffusion 可以提供更多的可能性和定制化选项，有助于打造独特的商业作品。但如果项目需要快速生成图像，对版权要求不高，且对图像效果的精细度要求不是顶级水平，DALL・E3 的付费模式和相对简单的操作可能更符合商业快速运作的需求。
全局唯一id生成器----Vesta
lyf_ldh的博客
07-09 2746
引入依赖： <dependency> <groupId>com.robert.vesta</groupId> <artifactId>vesta-service</artifactId> <version>0.0.1</version> </dependency> &l...
DALL·E 2（内含扩散模型介绍）-生成式模型【学习笔记】
zly19980718的博客
12-16 1197
生成式模型
强大到离谱！硬核解读Stable Diffusion（完整版）
qq_41771998的博客
04-11 1万+
2022年可谓是，上半年有文生图大模型和，下半年有OpenAI的文本对话大模型问世，这让冷却的AI又沸腾起来了，因为AIGC能让更多的人真真切切感受到AI的力量。这篇文章将介绍比较火的文生图模型，Stable Diffusion不仅是一个完全开源的模型（代码，数据，模型全部开源），而且是它的参数量只有1B左右，大部分人可以在普通的显卡上进行推理甚至精调模型。毫不夸张的说，Stable Diffusion的出现和开源对AIGC的火热和发展是有巨大推动作用的，因为它让更多的人能快地上手AI作画。
大模型结构的进化：LLaMA 3.1结构及影响解析
mama19971023的博客
07-29 1128
LLama 3 405B模型效果已经赶上目前最好的闭源模型比如GPT 4o和Claude 3.5，这算是开源届的大事，技术报告接近100页，信息很丰富，粗略看了一下，很有启发。这里就LLaMA 3的模型结构、训练过程做些解读，并对其影响、小模型如何做、合成数据等方面谈点看法。
gen_id:用于生成唯一 ID 的 python 模块
06-22
gen_id 用于生成唯一 ID 的 python 模块
万字长文讲透AI艺术：缘起、意义和未来（下篇）
weixin_44383880的博客
11-19 2387
图片来源：由无界版图AI创作工具生成。前言AI 艺术更为直接的是一场新消费变革，但以未来为终局，其必将是一场新技术变革，这是自十多年前移动互联网革命以来久违的一幕，让开源生态点燃的这星星之火燃遍新十年创业的每个角落。与区块链引领的加密变革稍有不同，AIGC（AI 艺术所归属的大类）带给人们的兴奋感并不来自纯金融和财富预期（“多巴胺”），更多的是发自人类内心本质的对崭新未来的渴望，那是一种真正的“内...
精通AI绘画角色一致性：前沿工具与方法全解析
2401_85116933的博客
06-11 3606
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。
通用 Mapper @KeySql 注解 genId 方法详解
偶尔记一下 - mybatis.io
04-22 2万+
为了方便使用全局主键（例如：Vesta 是一款通用的ID产生器，互联网俗称统一发号器），通用 Mapper 4.0.2 版本增加了新的控制主键生成的策略。 @KeySql 注解增加了下面的方法： /** * Java 方式生成主键，可以和发号器一类的服务配合使用 * * @return */ Class&lt;? extends GenId&gt; genId() default Ge...
java类idgen_[Java算法]--生成全局唯一的Id(IdGen)
weixin_33982355的博客
02-28 368
我们在开发中，有时非常需要一个全局唯一的ID值，不管是业务需求，还是为了以后可能的分表需求，全局唯一值都非常有用，本篇大象就来讲讲这个实现并对ID生成器性能进行一下测试。大象所讲的这个全局唯一ID生成器，其实是Twitter公开的一个算法，源码是用Scala写的，被国内的开源爱好者改写成了Java版本。大象将这个类的调用简化了一下，实际使用中还是应该根据机器节点和数据中心节点来配置相关的参数。我这...
AI绘画儿童绘本制作中如何保持角色一致？分享三个方法！
ice_99的博客
07-04 2355
我们都知道 AI 出图具有随机性，今天阿吉就跟大家分享三个方法，来尽量在生成图片时保持角色样貌、服装等的一致性。
AI绘画软件midjourney和Dall E3哪个更好用？——沃卡AI
weixin_68336959的博客
01-16 1355
沃卡 AI 已支持 AI识图问答+TTS语音对话+文档总结对话+Dall E3 对话文生图+国内大模型集合+AI 绘画+思维导图，而且功能还在不断更新优化，丰富好用！一个系统满足您多个需求！ 大家可以通过收藏网页www.woka.chat 直接进行访问，也可通过关注公众号实现微信端使用~
Dall E3提示词大全（长期更新）
叶子的博客
12-11 7964
本文主要列举网络中Dall E3提示词，每一个提示词都可能得到一个不错的绘画作品，大家可以尝试尝试。这些提示词不仅可以用于DALL E，还可以尝试在Midjourney、Stable Diffusion等AI绘画工具中进行使用。大家也可以对比一下各种工具下的不同效果。另外，本文将持续更新和补充，并且所有的示例都可以在小程序RdFast智能创作机器人中无限免费使用，大家可以直观看到各个示例的效果。​​​​​​​当前主要分为以下11个类别，后续可能会继续增加新类别。欢迎大家评论补充。1、人物形象。
DALL·E3 模型介绍（2）----通过更好的图像题注改进图像生成
eng20220426_dant的博客
06-17 883
，通过对高度描述性的生成图像题注进行训练，可以显著提高文本到图像模型的提示跟随能力。现有的文本转图像模型很难理解详细的图像描述，而且经常会忽略文字或混淆提示的含义。我们假设这个问题源于训练数据集中嘈杂且不准确的图像题注。我们通过训练定制的图像题注生成器（image captioner）来解决这个问题，并使用它来重新捕捉训练数据集。
DALLE3是什么
最新发布
04-25
### DALL·E 3 的定义与功能 #### 定义 DALL·E 3 是 OpenAI 推出的一款先进图像生成模型，它是 DALL·E 系列的第三代版本。该模型继承并扩展了前两代的强大功能，在创作能力和视觉表现方面实现了显著创新[^1]。 #### 主要特性 - **高质量图像生成**：DALL·E 3 能够根据用户提供的文本描述生成高分辨率、高质量的图像。相比之前的版本，它在图像清晰度和细节表现上有明显提升。 - **复杂场景处理能力**：这款模型不仅能够应对简单的图像生成需求，还能处理更加复杂的场景描述，生成具有高度创意和艺术感的画面[^1]。 - **多样化的风格支持**：用户可以通过添加特定的风格关键词（如“超现实主义”或“照片级真实感”），让生成的图像呈现出不同类型的美学效果[^3]。 - **高效的生成流程**：相较于早期版本，DALL·E 3 对生成过程进行了优化，简化了从文本到图像的转换路径，提升了整体效率[^4]。 #### 应用场景 DALL·E 3 广泛应用于多个领域，包括但不限于： - **创意设计**：帮助艺术家快速实现他们的构想，提供丰富的视觉素材选择。 - **游戏开发**：为游戏角色和环境创造新颖而独特的视觉形象。 - **教育与科研**：辅助教学演示或者科学研究中的数据可视化工作。 --- ### 技术优势 - 结合最新的 AIGC 技术成果，持续推动着人工智能创造力边界向前发展[^2]。 - 利用了深度学习领域的最新进展，比如扩散模型（Diffusion Models）等技术来改进图像合成质量[^4]。 ```python # 示例代码展示如何调用 DALL·E API 进行基本操作 (伪代码) import openai def generate_image(prompt, size="1024x1024"): response = openai.Image.create( prompt=prompt, n=1, size=size ) image_url = response[&#39;data&#39;][0][&#39;url&#39;] return image_url prompt_text = "a futuristic city under the sea" image_link = generate_image(prompt_text) print(f"Generated Image Link: {image_link}") ```
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

即兴小索奇

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