SD-Latent-Interposer: 跨模型潜空间转换的神经网络

RayRay
SD-Latent-InterposerStable DiffusionComfyUI潜在空间神经网络Github开源项目

SD-Latent-Interposer

SD-Latent-Interposer简介

SD-Latent-Interposer是一个创新的小型神经网络,旨在实现不同版本Stable Diffusion模型之间的潜空间兼容性。它允许用户直接将一个模型(如SDXL)生成的潜在表示传递给另一个模型(如SDv1.5),而无需通过变分自编码器(VAE)进行解码和重新编码。这大大简化了AI艺术创作的工作流程,提高了效率。

主要优势

  • 互操作性: 实现不同Stable Diffusion模型之间的潜在表示无缝转换。
  • 效率: 消除了VAE解码和重新编码的需求,节省时间和计算资源。
  • 质量: 通过最小化人工痕迹来维持图像的构图和质量。

工作原理

SD-Latent-Interposer的核心功能是充当不同Stable Diffusion模型潜空间之间的翻译器。想象一下有两个人说着不同的语言,通常需要一个翻译者将一种语言转换成另一种语言,然后再转回来。SD-Latent-Interposer就像一个直接的翻译器,让这两个人无需中间步骤就能相互理解。

基本原理

  1. 潜空间: 在AI艺术生成中,潜空间是图像的压缩表示。不同的模型有不同的潜空间。
  2. 插值网络: 该网络将一个模型的潜在表示翻译成另一个模型的表示,确保兼容性。
  3. 去噪: 调整去噪设置以隐藏任何人工痕迹,同时保留图像的构图。

通过将SD-Latent-Interposer放置在通常使用VAE解码后接VAE编码的位置,用户可以直接在模型之间传递潜在表示,使工作流程更加高效和直接。

Latent Interposer工作原理

功能特性

SD-Latent-Interposer具有多项旨在增强AI艺术创作体验的功能:

互操作性

  • 直接潜在表示转换: 无需中间步骤即可在不同Stable Diffusion模型之间移动潜在表示。
  • 去噪控制: 调整去噪设置以管理人工痕迹并保持图像质量。

自定义选项

  • 本地模型: 如果用户更喜欢离线工作或网络连接不稳定,可以将模型存储在本地。该扩展程序会优先使用本地文件而不是Hugging Face hub上的文件。
  • 模型权重: 用户可以访问和使用不同的模型权重,观察它们如何影响结果。

支持的模型

  • Stable Diffusion v1.x
  • SDXL
  • Stable Diffusion 3
  • Flux.1
  • Stable Cascade (Stage A/B)

模型兼容性

SD-Latent-Interposer支持多种模型之间的转换:

源模型到 v1到 xl到 v3到 fx到 ca
v1-v4.0v4.0
xlv4.0-v4.0
v3v4.0v4.0-
fxv4.0v4.0v4.0-
cav4.0v4.0v4.0-

安装和使用

要安装SD-Latent-Interposer,只需将其仓库克隆到custom_nodes文件夹中:

git clone https://github.com/city96/SD-Latent-Interposer custom_nodes/SD-Latent-Interposer

或者,用户也可以将comfy_latent_interposer.py文件下载到ComfyUI/custom_nodes文件夹中。可能需要在虚拟环境中使用pip install huggingface-hub命令安装hfhub。

使用时,只需将其放置在通常使用VAE解码后接VAE编码的位置。根据需要调整去噪设置,以隐藏任何人工痕迹,同时保持图像的构图。

使用示例

本地模型使用

默认情况下,该节点从Hugging Face hub拉取所需文件。如果用户网络连接不稳定或更喜欢完全离线使用,可以创建一个models文件夹并将模型放置在那里。自定义节点在可用时会优先使用本地文件而不是HF文件。路径应为:ComfyUI/custom_nodes/SD-Latent-Interposer/models

或者,也可以直接克隆整个HF仓库:

git clone https://github.com/huggingface.co/city96/SD-Latent-Interposer custom_nodes/SD-Latent-Interposer/models

训练细节

SD-Latent-Interposer的训练过程是一个复杂而精细的过程。训练代码从提供的配置文件初始化大多数训练参数。数据集应该是每个潜在版本的单个.bin文件,使用torch.save保存。格式应为[batch, channels, height, width],其中"batch"尽可能大,例如88000。

Interposer v4.0

v4.0版本的训练代码初始化了两个模型副本,一个在目标方向,一个在相反方向。损失函数基于此定义:

  • p_loss是主模型的主要标准。
  • b_loss是次要模型的主要标准。
  • r_loss是主模型输出通过次要模型后与源潜在表示的对比(基本上是通过两个模型的往返)。
  • h_lossr_loss相同,但适用于次要模型。

所有模型都训练了50000步,批量大小为128(xl/v1)或48(cascade)。训练在RTX 3080和Tesla V100S上本地进行。

训练损失曲线

故障排除

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多