基于扩散的文本到图像生成模型
稳定扩散是一种潜在的文本到图像扩散模型,能够根据任何文本输入生成逼真的照片。
Stable-Diffusion-v-1-4 检查点是使用Stable-Diffusion-v-1-2 检查点的权重进行初始化的,并在“laion-aesthetics v2 5+”上以 512x512 的分辨率进行了 225k 步的微调,并且丢弃了10%的文本条件,以改进无分类器引导采样。
这些权重旨在与原始的CompVis 稳定扩散代码库一起使用。如果您正在寻找与 Diffusers 库一起使用的模型,请点击这里。
-
开发者:Robin Rombach, Patrick Esser
-
模型类型:基于扩散的文本到图像生成模型
-
语言:英语
-
许可证:创意 ml OpenRAIL M 许可证是一种开放 RAIL M 许可证,改编自BigScience和RAIL 倡议在负责任的人工智能许可领域共同开展的工作。另见关于我们许可证所基于的BLOOM 开放 RAIL 许可证的文章。
-
模型描述:这是一个可以根据文本提示生成和修改图像的模型。它是一种潜在扩散模型,使用固定的、预训练的文本编码器(CLIP ViT-L/14),如Imagen 论文中所建议的。
-
更多信息资源:GitHub 存储库,论文。
-
引用方式:
@InProceedings{Rombach_2022_CVPR, author = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj\"orn}, title = {High-Resolution Image Synthesis With Latent Diffusion Models}, booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, month = {June}, year = {2022}, pages = {10684-10695} }