资料加载中-CSDN博客

FaceChaine提供了一系列的生成方案，通过少量的图像输入，就能生成逼真的个性化肖像。它是一个个性化肖像生成框架，包含丰富的人脸感知相关的模型，例如人脸检测，深度人脸向量提取，人脸属性分析等等。输入主要的肖像生成功能，社区还包括虚拟试穿，2D数字人功能最近的一些工作都聚焦于使用少量的图像再基础模型的基础上去做微调，让微调网络记住某个特定人物身份信息。这样就可以结合提示词在大模型的基础上得到更多新样式的高保真图像。目前人物为主的个性化肖像文生图方法主要分两种：1.基于lora,2基于人脸身份。

2024-06-01 23:51:41 856

原创【AIGC-数字人】V-Express：渐进式训练的数字人视频生成技术

在人像视频生成领域，使用单张图像生成人像视频已经变得越来越普遍。一种常见的方法涉及利用生成模型来增强适配器以实现受控生成。然而，控制信号的强度可能会有所不同，包括文本、音频、图像参考、姿态、深度图等。其中，较弱的条件往往由于较强条件的干扰而难以发挥作用，这对平衡这些条件提出了挑战。在我们关于肖像视频生成的工作中，我们发现音频信号特别弱，常常被姿势和原始图像等更强的信号所掩盖。然而，用弱信号直接训练往往会导致收敛困难。

2024-06-01 13:21:16 799

原创【环境搭建】ubuntu工作站搭建全流程（显卡4090）

ubuntu工作站搭建

2024-04-09 22:11:55 1737

原创【实用工具】使用飞书机器人监控工程日志

将error，info，debug放在三个机器人上，平时可以查看，等到真正使用时，把info和debug界别日志去掉，避免发送日志影响性能。1.创建一个飞书群聊，设置-->群机器人-->添加机器人-->自定义机器人-->修改机器人名称-->添加。日志信息将包括日期、执行程序的进程和ip，最后加上日志信息。2.复制webhook地址。3.编写日志请求代码。

2024-04-09 22:05:52 671

原创【BUG】无法发起与 typora.io:443 (2a03:2880:f10c:83:face:b00c:0:25de) 的连接 - connect (101: 网络不可达)

1. 取消 https://typora.io/linux ./ InRelease。目录中的相关文件，并将对应的软件源的行注释掉，或者将其删除。2. 要取消对特定软件源的更新，您可以编辑。

2024-04-08 20:19:26 1267

原创【pytorch函数】gather函数

输入张量是一个2行2列的张量，0表示以列为单位进行索引，index_tensor表示对应列上的索引值，比如在第0列上取1,1位置上的值填充到原来的位置，第1列上取1,1位置上的值填充到原来的位置，也就是说只能在各自列或者各自行上的相应位置的元素替换为该列或者该行任意位置的元素。

2024-04-08 20:16:14 408 1

原创【BUG】ubuntu更新源时报错：dl.google.com:443 (172.217.24.78)，连接超时

修改/etc/hosts内容。

2024-03-21 09:59:44 504

原创【AIGC】Diffusers:加载管道、模型和调度程序

Diffusers加载管道、模型和调度程序

2024-01-28 23:49:56 3111

原创【AIGC】Diffusers:训练扩散模型

利用Diffusers做扩散模型训练

2024-01-25 23:41:46 1947 2

原创【AIGC】Diffusers：AutoPipeline自动化扩散生图管道

AutoPipeline超简单的实现生成自己想要的图像的管道

2024-01-25 22:24:04 1389

原创【AIGC】Diffusers:扩散模型的开发手册说明2

扩散器被设计成一个用户友好且灵活的工具箱，用于构建适合您用例的扩散系统。工具箱的核心是模型和调度程序。然而 DiffusionPipeline 为方便起见将这些组件捆绑在一起，但您也可以解包管道并分别使用模型和调度程序来创建新的扩散系统。解构 Stable Diffusion 流水线稳定扩散是一种文本到图像的潜在扩散模型。它被称为潜在扩散模型，因为它使用图像的低维表示而不是实际的像素空间，这使得它更节省内存。编码器将图像压缩为较小的表示形式，解码器将压缩的表示形式转换回图像。对于文本到图像模型，需要。

2024-01-24 23:46:08 1417 1

原创【AIGC】Diffusers:扩散模型的开发手册说明1

Diffusers:扩散模型开发者的福音

2024-01-24 22:56:53 1112

原创【AIGC】CLIP

CLIP多模态模型

2024-01-23 23:53:17 977

原创【AIGC】photomaker:基于多个图像ID嵌入的定制化逼真人物照片

通过一张图或者多张图像输入，该文方法可以记住人物ID,改变属性、改变风格和混合人物ID的效果。效果SOTA。类似的工作有ipadapter,lora,Dreambooth.这些方法不是消耗算例和时间就是效果不明显，不具有泛化性。最近的一些文生图工作在结合文本提示词的情况下合成真人图片已经取得了巨大的进展。这些工作不能同时满足高效，高的ID置信度和文本控制的自由性。我们的工作PhotoMaker是一个有效的个性化文生图生成方法。可以输入任意张ID图像然后通过堆叠来保留ID信息。

2024-01-23 23:32:03 1357

原创【代码实战】从0到1实现transformer

在本例中，值和键是编码器的输出，而查询是自注意力模型的输出。在高层次上，它基于编码器对源句子上下文的理解，并将解码器输入的部分句子作为查询（可以为空），以预测如何完成句子。但是，如果将它们设置为小于总词汇量的值（例如这种情况），则会限制矢量化器仅学习更频繁的单词，并使生僻单词成为词汇表外（OOV）。您将看到除了嵌入和位置编码之外，您还有编码器（图的左半部分）和解码器（图的右半部分）。为了理解单词的含义，从而量化两个单词之间的相互关系，您将使用单词嵌入技术。因此，在创建此层时，您可以为其创建一个常量张量。

2024-01-21 23:29:51 1034

原创【AI理论知识】EM算法

期望最大化算法（Expectation-Maximization，EM算法）是一种。

2024-01-21 23:01:19 548

原创【AI理论知识】高斯混合模型

高斯混合模型（GMM）是单一高斯概率密度函数的延伸，就是用多个高斯概率密度函数（正态分布曲线）精确地量化变量分布，是将变量分布分解为若干基于高斯概率密度函数（正态分布曲线）分布的统计模型。GMM是一种常用的聚类算法，一般使用期望最大算法（Expectation Maximization，EM）进行估计。

2024-01-21 22:52:26 991

原创【shell编程入门】正则表达式

shell与正则表达式的结合

2024-01-21 22:36:10 729

原创【shell编程入门】函数

使用function关键字或直接使用()定义函数。# 函数体。

2024-01-21 21:44:50 382

原创【shell编程入门】shell脚本调试

在脚本中添加输出语句，显示变量的值、执行到达的位置等信息，以便您可以跟踪脚本的执行流程。命令可以用于捕获信号并执行相应的命令，帮助您在脚本中添加额外的调试信息或进行清理工作。是一个用于静态分析Shell脚本的工具，可以帮助您找到潜在的问题。添加到脚本的开头，以便在任何命令返回非零退出状态时立即退出脚本。将脚本分成小块，逐步执行以查找错误。可以在脚本执行时显示每个命令及其参数。检查脚本的语法，以确保没有语法错误。在使用管道时，可以在各个步骤中插入。在关键点检查命令的返回值，使用。命令等方式在脚本中暂停执行。

2024-01-21 20:51:07 436

原创【pytorch框架】使用 PyTorch 进行深度学习

PyTorch 是由 Facebook 创建和发布的用于深度学习计算的 Python 库。它起源于早期的库 Torch 7，但完全重写。它是两个最受欢迎的深度学习库之一。PyTorch 是一个完整的库，能够训练深度学习模型以及在推理模式下运行模型，并支持使用 GPU 进行更快的训练和推理。这是一个我们不能忽视的平台。您可以使用pip安装 PyTorch。在撰写本文时，PyTorch 的最新版本是 2.0。每个平台（包括 Windows、Linux 和 macOS）都有预构建的 PyTorch。

2024-01-21 15:34:53 1668

原创【AI知识片段】Transformer模型中的位置编码

位置编码描述序列中实体的位置或位置，以便为每个位置分配唯一的表示形式。单个数字（如索引值）不用于表示项目在转换器模型中的位置的原因有很多。对于长序列，索引的量级可能会变大。如果将索引值归一化为介于 0 和 1 之间，则可能会对可变长度序列产生问题，因为它们的归一化方式会有所不同。转换器使用智能位置编码方案，其中每个位置/索引都映射到一个向量。因此，位置编码层的输出是一个矩阵，其中矩阵的每一行表示序列的一个编码对象，该序列与其位置信息相加。仅对位置信息进行编码的矩阵示例如下图所示。

2024-01-21 14:59:10 1505

原创【shell编程入门】stable diffusion webui的webui.sh脚本解析

通过webui.sh，我们可以在linux系统下安装虚拟环境，并启动stable diffuson webui。

2024-01-15 23:54:51 962

原创【shell编程入门】条件判断

在 shell 编程中，[]通常用于条件测试。

2024-01-15 23:13:21 848

原创【AIGC】DreamBooth:微调文本到图像扩散模型用于主题驱动的生成

DreamBooth可以让我们使用一个很小的数据集微调文生图模型，然后基于文本提示词为我们训练的的主体替换不同的场景。大型文本转图像模型在人工智能的发展中实现了显著的飞跃，能够从给定的文本提示中高质量和多样化地合成图像。然而，这些模型缺乏模仿给定参考集中受试者外观的能力，也缺乏在不同背景下合成它们的新演绎的能力。在这项工作中，我们提出了一种文本到图像扩散模型的“个性化”新方法。给定一个主题的几张图像作为输入，我们微调一个预训练的文本到图像模型，以便它学会将唯一标识符与该特定主题绑定。

2024-01-14 19:28:23 1161

原创【AIGC】AnimateDiff:无需定制化微调的动画化个性化的文生图模型

Animatediff是一个有效的框架将文本到图像模型扩展到动画生成器中，无需针对特定模型进行调整。只要在大型视频数据集中学习到运动先验知识。AnimateDiff就可以插入到个性化的文生图模型中，与Civitai和Huggingface的文生图模型兼容，也可以与自己微调的大模型兼容。随着文本到图像模型（例如，Stable Diffusion [22]）和相应的个性化技术的进步DreamBooth [24] 和 LoRA [13] 等产品，每个人都可以以可承受的成本将他们的想象力体现成高质量的图像。

2024-01-14 17:45:10 2436

原创【AIGC】IP-Adapter：文本兼容图像提示适配器，用于文本到图像扩散模型

IPAdapter能够通过图像给Stable Diffusion模型以内容提示，让其生成参考该图像画风，可以免去Lora的训练，达到参考画风人物的生成效果。通过文本提示词生成的图像，往往需要设置复杂的提示词，通常设计提示词变得很复杂。文本提示可以由图像来替代。直接微调预训练模型也是一种行之有效的方法，但是需要消耗大量计算资源。并且存在模型兼容性问题。在本文中，我们介绍了IP-Adapter，这是一种有效且轻量级的适配器，用于实现预训练文本到图像扩散模型的图像提示功能。我们的 IP 适配器的关键设计是。

2024-01-13 23:56:55 5669 11

原创【AIGC】Controlnet:基于扩散模型的文生图的可控性

controlnet可以让stable diffusion的生图变得可控。冻结了stable diffusion的预训练模型并重用它的预训练编码层神经网络结构与零初始化卷积层连接，从零开始逐渐增加参数，并确保微调过程中不会有噪声影响Controlnet在小数据集(小于5张万图)和大数据集(大于100万张图)上的训练表现都是稳定的。

2024-01-13 15:16:51 1799

原创【论文综述】一篇关于GAN在计算机视觉邻域的综述

这是一篇关于GAN在计算机视觉领域的综述。

2024-01-10 23:55:07 1515

原创【设计模式】代理模式

代理模式（代理模式）：是一种结构型设计模式，它允许通过代理对象控制对另一个对象的访问。代理通常充当客户端和真实对象之间的中介，用于控制对真实对象的访问或添加一些额外的行为。

2024-01-10 22:29:27 419

原创【设计模式】外观模式

外观模式是一种结构型设计模式，它为复杂子系统提供一个简化的接口，使得客户端可以更容易地使用这个子系统。

2024-01-09 23:32:00 736

stable-diffusion原理理解资源

2024-06-02

常用数据集集锦.zip

1.mnist数据集：整个数据集由来自 250 个不同人手写的数字构成，其中 50%是高中学生, 50% 来自人口普查局的工作人员。训练集：60000，测试集：10000 2.imdb数据集：这数据集包含了50000条偏向明显的评论，其中25000条作为训练集，25000作为测试集。label为pos(positive)和neg(negative)。 3.boston_housing数据集：数据来自1970年代，波斯顿周边地区的房价，是用于机器学习的经典数据集。该数据集很小，共计506条数据，分为404个训练样本和102个测试样本。 4.cifar-10数据集：CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

2020-05-05

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人