img2img-turbo

img2img-turbo

单步图像翻译模型

通过对单步扩散模型(例如SD-Turbo)进行对抗性学习,img2img-turbo实现了高效的图像翻译。该方法适用于配对和未配对任务,并通过优化生成器架构来提升推理速度和结果多样性。CycleGAN-Turbo和pix2pix-turbo在Sketch2Image和Edge2Image等多个图像翻译任务中均表现出色。

img2img-turboCycleGAN-Turbopix2pix-turbo图像转化对抗学习Github开源项目

img2img-turbo 项目介绍

项目概述

img2img-turbo 是一个旨在通过对抗学习改进单步扩散模型的通用方法。这个项目基于现有的预训练扩散模型,如 SD-Turbo,帮助我们在不同任务和领域中高效地进行推理。在现代图形处理器(如 A6000、A100)上,它可以快速对 512x512 像素的图像进行推断,分别耗时仅为 0.29 秒和 0.11 秒。

为了实现多样化的图像到图像翻译任务,该项目推出了两个强大的工具:CycleGAN-Turbo 和 pix2pix-turbo。这两个模型可以在无对和有对的情况下出色地执行多种图像转换任务。CycleGAN-Turbo 比现有的 GAN 和扩散模型更具优势,而 pix2pix-turbo 则在 Sketch2Photo 和 Edge2Image 等任务上与新近的方法如 ControlNet 相当,但只需一步推断。

项目亮点

  • 快速推断:单步推断使得图像生成速度极快。
  • 广泛应用:适用于从线条草图转换为完整图像,亦可进行昼夜、晴雨等无配对图像间的转换。
  • 多样输出:通过调整输入噪声和文本提示,可以生成风格多样的输出。
  • 灵活训练:支持通过自有数据训练,提供对应的模型训练方法和文档。

图像翻译中的应用

  1. 成对翻译 (pix2pix-turbo):可以从边缘图生成相应风格的图像。
  2. 成对翻译的多样化输出:通过改变输入噪声图,可以从同一输入条件生成多样化的图像。
  3. 无对翻译 (CycleGAN-Turbo)
    • 昼转夜:日间图像转换成夜间效果。
    • 夜转昼:夜间图像转换为日间效果。
    • 晴转雨:晴天的图像可以转换为雨天效果。
    • 雨转晴:雨天图像转换为晴天效果。

技术方法

img2img-turbo 项目的生成器架构紧密整合了三个独立模块,构成一个端到端的网络,这使得架构具备轻量级的可训练权重。这种方法能够保留输入场景结构的同时,将输入图像转化为输出图像。项目使用了 LoRA 适配器、引入跳跃连接和零卷积,从而提升翻译质量。

快速入门

用户可以通过使用项目提供的 conda 环境文件快速设置环境,并通过简单的终端指令运行本地推断任务。同时,项目也支持通过 Gradio 进行图像翻译任务的演示。

自定义数据训练

img2img-turbo 项目为用户提供了在成对和无配对数据上训练模型的方法,详细步骤可以通过相关的项目文档获取。

致谢

我们的工作基于 Stable Diffusion-Turbo 作为基础模型,项目也使用了相应的许可协议。

编辑推荐精选

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多