ResNet可以对应为一个离散ODE,这篇文章受到该思路的启发,构建了一个可以被看做离散SDE的SDE-Net模型,模型由两个神经网络drift net和diffusion net构成,其中drift net与传统模型类似,是为了预测模型的输出结果,而diffusion net则用来估计预测的不确定性,估计出的不确定性可以应用于OOD样本检测、误分类检测、主动学习等...
3:启动SD,选择“图生图”,正向和反向提示词推荐复制相应Lora模型的详细信息,在这个基础上增减内容,省时省力(重回幅度>0.7) 4;修复局部损坏的部分,使用“图生图”中的局部重绘,重绘幅度>0.9,并使用Controlnet,选择Tile模型即可。 Steps: 30 Sampler: DPM++ 2M SDE Karras CFG scale: 7 Seed: 1570794654 正面提示...
3)参数设置:选择“重绘非蒙版区域”,选择采样方法:DPM++2M SDE karras,迭代步数:30,修改尺寸跟假人模特图宽高一致。提示词引导系数:15,重绘幅度:1。4)控制网controlNet设置:点启用,wan美像素模式,处理器选择inpaint_global_harmonious,模型也要对应选择inpaint的:control_v11p_sd15_inpaint 。点击生成。5)脸部修复...