Smooth-Diffusion

Smooth-Diffusion

提升扩散模型潜在空间平滑性的新方法

Smooth Diffusion是一种创新的扩散模型技术,通过优化潜在空间的平滑性来提升模型性能。这种方法在图像插值、反演和编辑任务中展现出显著优势,实现了更连续的过渡效果、更低的反演误差,以及更好的未修改内容保留。通过在训练过程中引入变化约束,Smooth Diffusion为扩散模型研究开辟了新方向。

Smooth Diffusion扩散模型图像生成潜在空间CVPR 2024Github开源项目

平滑扩散

这个仓库是 平滑扩散 的官方 PyTorch 实现。

Hugging Face 空间 项目页面 arXiv

平滑扩散:在扩散模型中构建平滑潜空间
郭佳怡*, 徐星乾*, 蒲一帆, 倪赞林, 王超飞, Manushree Vasu, 宋世继, 黄高, 史泰博

https://github.com/JiayiGuo821/Smooth-Diffusion-Dev/assets/53193040/f965242f-968e-4e62-845c-dd3374a70fcf

<p align="center"> <strong>平滑扩散</strong>是一种新型的扩散模型,既高性能又平滑。 </p> <p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/ff9d4c48-f88d-4f65-a5a9-d5a2478159a2.jpg" width="1080px"/> 我们的方法正式将潜空间平滑性引入像稳定扩散这样的扩散模型中。这种平滑性显著有助于:1) 改善图像插值中过渡的连续性,2) 减少图像反演中的近似误差,3) 在图像编辑中更好地保留未编辑的内容。 </p>

新闻

  • [2024.03.25] 我们的演示已在 🤗 Hugging Face 空间上线!
  • [2024.03.20] 代码、模型和演示已发布!
  • [2024.02.27] 平滑扩散被 CVPR 2024 接收!
  • [2023.12.08] 论文发布!

待办事项

  • ☑️ 发布代码和模型权重
  • ☑️ Gradio 演示

概述

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/206d40e8-4d3d-4a23-bd0a-025c49392a2f.jpg" width="1080px"/> <strong>平滑扩散</strong> (c) 确保输入潜变量的变化与输出预测的变化之比是一个常数。我们提出<strong>训练时平滑扩散</strong> (d) 来优化 (c) 中变化约束的"单步快照"。DM:扩散模型。更多细节请参考我们的论文。 </p>

代码

设置

conda create --name smooth-diffusion python=3.9
conda activate smooth-diffusion
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1
pip install -r requirements.txt

推理(Gradio 演示)

我们提供了由 Gradio 支持的 WebUI。使用以下命令启动 WebUI:

python app.py

训练

我们提供了数据下载和训练的脚本。不幸的是,由于安全审查,LAION 数据集目前不可用。[LAIOM.ai 官方说明]

# 下载 LAION aesthetics 6.5+
python download_regularization_images.py
# 训练平滑 LoRA
bash train.sh

可视化

图像插值

使用在 Stable Diffusion V1.5 之上训练的平滑 LoRA。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/c03c1066-ba58-49d8-a7ed-8376da8da322.jpg" width="1080px"/> </p>

将上述平滑 LoRA 集成到其他社区模型中。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/ae4b809a-634e-4af9-a56d-624f5bfc09e1.jpg" width="1080px"/> </p>

图像反演

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/ce0e7953-8c94-43ce-9281-973417bd1adf.jpg" width="1080px"/> </p>

图像编辑

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/698f34f2-6fac-4e9a-9f6f-8f0915e70b7f.jpg" width="1080px"/> </p>

引用

如果您觉得我们的工作有帮助,请为这个仓库点星 🌟引用 📑我们的论文。感谢您的支持!

@InProceedings{guo2024smooth,
  title={Smooth Diffusion: Crafting Smooth Latent Spaces in Diffusion Models},
  author={Jiayi Guo and Xingqian Xu and Yifan Pu and Zanlin Ni and Chaofei Wang and Manushree Vasu and Shiji Song and Gao Huang and Humphrey Shi},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2024}
}

致谢

我们感谢 Diffusers(LoRA 微调)和 AlignSD(数据下载)。

联系方式

guo-jy20 at mails dot tsinghua dot edu dot cn

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