预训练文生图模型概念消除技术
Concept Ablation 项目开发了一种从预训练文本到图像扩散模型中移除特定概念的方法。通过将目标概念的图像分布匹配到锚概念分布,如将'Grumpy Cat'匹配到'Cat',实现了高效的概念消除。该技术可以去除版权材料、记忆图像等,同时保留相关概念,无需重新训练模型。在特定对象实例、艺术风格和记忆图像等多种任务中表现优异。
[新消息!] Huggingface 演示 链接。
https://github.com/nupurkmr9/concept-ablation/assets/9297728/fb29bc97-a2a9-497a-bb8e-9ffb02986401
我们的方法可以从预训练的Stable Diffusion模型中消融(移除)版权材料和记忆的图像。在这里,我们将目标概念分布改变为锚概念,例如,将梵高绘画改为普通绘画,或将不爽猫改为普通猫。
文本到图像扩散模型中的概念消融 <br> Nupur Kumari、张炳亮、王圣宇、Eli Shechtman、Richard Zhang、朱俊彦<br> CMU、清华、Adobe <br> ICCV, 2023
大规模文本到图像扩散模型能够生成高保真度的图像,具有强大的组合能力。然而,这些模型通常在海量互联网数据上训练,其中往往包含版权材料、授权图像和个人照片。此外,它们还被发现会复制各种在世艺术家的风格或记忆确切的训练样本。我们如何在不从头重新训练模型的情况下移除这些受版权保护的概念或图像呢?
我们提出了一种在预训练模型中高效消融概念的方法,即防止生成目标概念。我们的算法学习将给定目标风格、实例或我们希望消融的文本提示的图像分布与对应锚概念的分布相匹配,例如,将不爽猫匹 配到普通猫。
我们的方法在各种概念消融任务上表现良好,包括特定对象实例、艺术风格和记忆的图像。我们可以成功地消融目标概念,同时最小程度地影响应该保留的密切相关的周边概念(例如,在消融不爽猫时保留其他猫品种)。我们所有的结果都基于stable-diffusion-v1-4模型。
有关更多生成结果和比较,请参阅我们的网页。
我们消融不同的目标艺术风格概念,转而生成普通绘画。
<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/e8b4e36a-7b9a-4f61-b427-cbef4cddca16.jpg' align="center" width=800> </p>我们消融各种实例,并用一般类别锚概念覆盖它们。
<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/dd0603b5-95eb-4a17-8d0b-ddf014a7c93f.jpg' align="center" width=800> </p>我们的方法可以消融记忆的训练图像,转而生成变体。
<p align="center"> <img src='https://yellow-cdn.veclightyear.com/835a84d5/013f3ef1-ed46-40e3-bba8-8be6d65d2dae.jpg' align="center" width=800> </p>给定要消融的目标概念不爽猫和锚概念猫,我们微调模型,使其对目标概念提示一只可爱的小不爽猫的预测与提示为一只可爱的小猫时相同。
Diffusers: 请参考这里使用基于diffusers的stable-diffusion模型消融概念。
CompVis: 请参考这里使用基于CompVis的stable-diffusion模型消融概念。
注意:论文中的所有结果均使用基于CompVis的实现获得。
如果您在研究中使用了此代码,请引用我们的论文。
@inproceedings{kumari2023conceptablation, author = {Kumari, Nupur and Zhang, Bingliang and Wang, Sheng-Yu and Shechtman, Eli and Zhang, Richard and Zhu, Jun-Yan}, title = {Ablating Concepts in Text-to-Image Diffusion Models}, booktitle = ICCV, year = {2023}, }
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号