扩散模型采样加速，各类“奇奇怪怪”的Diffusion Model，中等规模文生图。时间进入2021年秋，正逢ICLR和CVPR投稿。在本次CVPR中，我们迎来了“Stable Diffusion”的前身“Latent Diffusion”，还有那些为离散Diffusion做大做强的“VQ Diffusion”和“Unleashing Transformers”，以及离散进行到底的“MaskGIT”等一系列杰出的...
与最初的 V1 版本相比，Stable Diffusion 2.0 提供了许多重大改进和特性，具体表现在：Stable Diffusion 2.0 版本包含一个具有鲁棒性的文本 - 图像模型，在全新的文本编码器 (OpenCLIP) 上训练而成，与早期的 V1 版本相比，文本 - 图像模型大大提高了图像生成质量，可以生成默认分辨率为 512x512 像素和 768...
Image Restoration的爆发应用:Equilibrium Diffusion、Shadow Diffusion、DDNM、Rain Diffusion。 Image Perception的初步尝试:DiffusionDet、Pix2Seq-D、DiffusionInst、MAGE、Peekaboo、ODISE、DDPS、DDP。 文本生成领域的探索:Diffusion-LM、Diffusion-Seq、DDCap、UniD3。 3D生成上的进一步探索:Render3D、Magic3D、Point-E...
虽然此次版本更新未能完全开放NSFW内容，但并不影响用户使用的热情。毕竟在AIGC领域，Stable Diffusion是当之无愧的顶流。在人工智能民主化的时代，就像Stability AI说的那样：「开源即未来。」参考资料：https://stability.ai/blog/stablediffusion2-1-release7-dec-2022 https://www.reddit.com/r/MachineLearning/co...
于2021年7月发布的Insertion and Deletion Diffusion提出了一种非常有趣的加噪方法,但尽管创新,却似乎未在学术界引起太大的震动。 于2021年8月发布的ImageBART将离散扩散模型应用于大规模图像生成,然而遗憾的是,它仍然采用自回归模型的方式。 这些离散型扩散模型的探索为图像生成领域带来了新的思路与方法,虽然在某些...
Stable Diffusion 2.0 昨日,Stability AI在博客上发布了深度学习文本到图像模型的最新版本——Stable Diffusion 2.0。 相较于1.0,新的算法比之前的更高效、更稳健。 时间回到几个月前,Stable Diffusion的发布,掀起了一场文本到图像模型领域的新革命。 可以说,Stable Diffusion 1.0彻底改变了开源AI模型的性质,并且在全球...
研究者表示,他们正在努力优化模型以在单个 GPU 上运行,让尽可能多的人可以使用。 参考链接:https://stability.ai/blog/stable-diffusion-v2-release
于2021年7月发布的Insertion and Deletion Diffusion提出了一种非常有趣的加噪方法,但尽管创新,却似乎未在学术界引起太大的震动。 于2021年8月发布的ImageBART将离散扩散模型应用于大规模图像生成,然而遗憾的是,它仍然采用自回归模型的方式。 这些离散型扩散模型的探索为图像生成领域带来了新的思路与方法,虽然在某些...
虽然此次版本更新未能完全开放NSFW内容,但并不影响用户使用的热情。毕竟在AIGC领域,Stable Diffusion是当之无愧的顶流。 在人工智能民主化的时代,就像Stability AI说的那样:「开源即未来。」 参考资料: https://stability.ai/blog/stablediffusion2-1-release7-dec-2022 ...
Stable Diffusion release🔥 1)2022-8-22:initial release(初始版本) 2)2022-12-7:v2.1 release(v2.1发布) 大规模的应用尝试是这一阶段的主旋律,而随着Stable Diffusion的开放,文生图模型再度出圈,扩散模型逐渐被大众所熟知,而后续一系列基于Stable Diffusion的工作也将如雨后春笋般到来。