SD
文章平均质量分 60
子燕若水
子燕若水
展开
-
stable diffusion LoRA 原理
我们受到Li等人(2018a)以及Aghajanyan等人(2020)的启发,他们的研究表明,学习到的过参数化模型实际上位于一个低本征维度上。我们假设,在模型适应过程中权重的变化也具有低的“本征秩”,这促使我们提出了低秩适应(LoRA)方法。LoRA允许我们通过优化适应过程中密集层变化的秩分解矩阵来间接训练神经网络中的某些密集层,同时保持预训练权重不变。LoRA通过向这些密集层注入低秩矩阵来实现模型的适应。LoRA的目标是在不改变预训练模型原始权重的情况下,通过优化低秩矩阵来调整模型以适应新的任务。原创 2024-07-26 11:01:11 · 239 阅读 · 0 评论 -
ADetailer模型+Stable Diffusion的inpainting功能是如何对遮罩区域进行修复生成的ADetailer
遮罩准备: 首先,ADetailer会将检测到的目标区域转换为二值遮罩(mask)。 遮罩中,需要修复的区域为白色(1),其他区域为黑色(0)。 条件设置: Stable Diffusion使用文本提示(prompt)和图像作为条件来指导生成过程。 在inpainting中,原始图像和遮罩被用作额外的条件。 潜在空间转换: 原始图像被编码到潜在空间(latent space)。 遮罩也被相应地调整到潜在空间的尺寸。 噪声添加: 在潜在空间中,只有遮罩区域(需要修复原创 2024-07-23 10:28:21 · 447 阅读 · 0 评论 -
Temporal-Kit 及 Ebsynth-流程
Ebsynth-流程。原创 2024-07-22 18:17:26 · 185 阅读 · 0 评论 -
stable-diffusion-webui安装与使用过程中的遇到的error合集
报错代码的位置:stable-diffusion-webui\repositories\k-diffusion\k_diffusion\sampling.py", line 652。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。原文链接:https://blog.csdn.net/xrinosvip/article/details/138115397。解决办法:两个地方有问题,直接按截图中修改即可。1.2.1 修改webui-user.bat。转载 2024-07-22 11:01:26 · 101 阅读 · 0 评论 -
秋叶整合包如何安装Python包
具体方法是:在Windows资源管理器进入整合包的python目录,我这里python目录的名字是 py310,整合包的版本不同,目录名字可能不同,比如可能是python;前几天写了一篇《手把手教你在本机安装Stable Diffusion秋叶整合包》的文章,有同学运行时遇到缺少Python Module的问题,帮助他处理了一下,今天把这个经验分享给大家,希望能帮助到更多的同学。键盘上敲回车键(Enter),打开下边的命令窗口,输入:pip install ultralytics,等待完成即可。转载 2024-07-21 19:10:26 · 321 阅读 · 0 评论 -
stable diffusion Sampler 的选择
在DPM++2M SDE的基础上,使用Heun方法进行改进,进一步提高了图像生成的精度和稳定性,适合写实照片级别的图像生成。:结合了DPM++2M和SDE的优点,既能保持细节,又能提供稳定的生成效果,适合高质量图像生成。:在DPM++2M SDE的基础上进一步改进,提供更高的细节和质量,适合需要极高精度的图像生成。:适用于快速生成图像,虽然速度较快,但在细节和质量上可能略有欠缺,适合需要快速结果的场景。:经典的欧拉方法,适用于一般图像生成,速度较快,但在细节和质量上可能不如其他高级采样器。原创 2024-07-21 16:19:38 · 304 阅读 · 0 评论 -
AdvancedControlNetApply 类的 apply_controlnet
将控制网络应用到给定的条件(positive 和 negative)上。它通过创建或重用控制网络实例,并将其与原始条件相结合来实现这一点。Apply ControlNet 的输入参数还有image, 这个image是不是编码后,融入到positive negative里面了?输入和输出的(positive 和 negative)有什么变化吗?原创 2024-07-21 11:18:52 · 245 阅读 · 0 评论 -
IP-Adapter 中文翻译
IP-Adapter由两部分组成:一个用于从图像提示中提取图像特征的图像编码器,以及带有解耦交叉注意力的适配模块,用于将图像特征嵌入到预训练的文本到图像扩散模型中。为了有效地分解全局图像嵌入,我们使用一个小型可训练的投影网络将图像嵌入投影到长度为N的特征序列中(在本研究中我们使用N = 4),图像特征的维度与预训练扩散模型中文本特征的维度相同。其中,Q' = ZWq, K' = CiWk', V' = CiWv' 是从图像特征得到的查询、键和值矩阵,Wk' 和 Wv' 是对应的权重矩阵。原创 2024-07-19 21:41:23 · 647 阅读 · 0 评论 -
详解Stable Diffusion 原理图
这个过程是逐步进行的。每一步都添加了更多相关信息。为了直观地了解这个过程,我们可以检查随机潜变量数组,看看它是如何转化为视觉噪音的。在这种情况下,视觉检查是通过图像解码器进行的。扩散发生在多个步骤中,每个步骤在一个输入潜变量数组上操作,并生成另一个潜变量数组,更好地反映输入文本以及模型从训练中捕获的所有图像信息。原创 2024-07-19 19:06:15 · 437 阅读 · 0 评论 -
SDXL 1.0 下载和部署
如果是秋葉整合包,可以在启动器的「高级选项」设置内开启。如果是 Automatic1111 纯净版,请编辑 webui-user.bat 文件,在 set COMMANDLINE_ARGS= 后面加上以下参数:--medvram(显存低于 8G )或 --lowvram (显存低于 4G)。大模型安装到根目录的 models\Stable-diffusion 文件夹,Lora 模型安装到 models\Lora 文件夹,Vae 模型安装到 models\VAE 文件夹(文末有资源包)。原创 2024-07-18 13:52:17 · 1273 阅读 · 0 评论