Latent Diffusion Models 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
Latent Diffusion Models 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
Latent Diffusion Models 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !
授权协议 MIT
开发语言 Python
操作系统 跨平台
软件类型 开源软件
开源组织
地区 不详
投 递 者 罗奇奇
适用人群 未知
收录时间 2022-04-15

软件简介

潜在扩散模型 (LDM) 是一项高分辨率图像合成训练工具,它在图像修复和各种任务(包括无条件图像生成、语义场景合成和超分辨率)上实现了高度竞争的性能,同时与基于像素的 DM 相比显着降低了计算要求。

通过将图像形成过程分解为去噪自动编码器的顺序应用,扩散模型 (DM) 在图像数据及其他数据上实现了最先进的合成结果。然而,由于这些扩散模型通常直接在像素空间中运行,强大的 DM 的优化通常会消耗数百个 GPU 天数,并且由于顺序评估,推理成本很高。为了在有限的计算资源上启用 DM 训练,同时保持它们的质量和灵活性,LDM 将模型应用在强大的预训练自编码器的潜在空间中。

在这种基础上训练扩散模型,首次允许在降低复杂性和保留细节之间达到近乎最佳的点,从而大大提高了视觉保真度。通过在模型架构中引入交叉注意力层,可将扩散模型转变为强大而灵活的生成器,用于一般条件输入(例如文本或边界框),并且以卷积方式进行高分辨率图像合成成为可能。

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论

点击引领话题📣
暂无内容
发表了博客
{{o.pubDate | formatDate}}

{{formatAllHtml(o.title)}}

{{parseInt(o.replyCount) | bigNumberTransform}}
{{parseInt(o.viewCount) | bigNumberTransform}}
没有更多内容
暂无内容
发表了问答
{{o.pubDate | formatDate}}

{{formatAllHtml(o.title)}}

{{parseInt(o.replyCount) | bigNumberTransform}}
{{parseInt(o.viewCount) | bigNumberTransform}}
没有更多内容
暂无内容
暂无内容
0 评论
3 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部