👀日报&周刊合集|🎡生产力工具与行业应用大全|🧡点赞关注评论拜托啦！👀LLM崛起之路：全球大语言模型「规模增长」可视化交互图https://informationisbeautiful.net/visualizations/the-rise-of-generative-ai-large-language-models-LLM-like-chatgpt/这是一张可以交互的数据化图，数据截至2023年12月6日。访问👆上方网站，将鼠标悬停在某点时，可以出现对应的大模型信息，包括名称、简介、公司、参数量和日期等；点击可以查看更具体的论文等。DavidMcCandless、TomEvans、PaulB
前置条件： ①默认是配置好环境的，配置环境很简单有很多教学视频，②有基础大模型真实系列的，这个也好解决，网上很多，如果需要我的也可分享③电脑配置较佳小Tips： 正面图片也可以照抄而且步骤更少，但是如果需要控制人脸和肤色需要训练模型，我会在下一次业务有需求的时候抽空做一个，敬请期待吧！ 人台图准备：注意点：①设备像素较佳（拍照出图的质量直接决定了成图的质量）②人台具有胳膊，可调节最好（因为如果是长袖衣服，没用胳膊姿势是无法调节的，3Dopenpose也无能为力，因为衣服是作为蒙版去绘图的）③照片的角度就是模特图的角度，包括衣服的大小和远近（这里实操后就能理解
本文介绍在autodl.com搭建gpu服务器，实现stable-diffusion-webui+sadTalker功能，图片+音频可生成视频。autodl租GPU 自己本地部署SD环境会遇到各种问题，网络问题（比如huggingface是无法访问），所以最好的方式是租用GPU，可以通过以下视频了解如何使用autodl.comAutoDL算力云|弹性、好用、省钱。租GPU就上AutoDL炼丹平台AutoDL的简单使用_哔哩哔哩_bilibili autoDL比较好的点就是上边有很多大佬已经部署好的环境镜像，直接使用就行。 如图是我租用的一个GPU实例。 选择的镜
布朗桥扩散模型BBDM：全网最强图像转换算法，完胜GAN、扩散模型图像转换发展史完胜GAN完胜扩散模型BBDM结构总结 图像转换发展史论文：https://arxiv.org/pdf/2205.07680.pdf代码：https://github.com/xuekt98/BBDM Isola等人首次提出了基于条件GAN的图像到图像转换统一框架Pix2Pix。Wang等人扩展了Pix2Pix框架以生成高分辨率图像Pix2PixHD。基于CycleGAN和DualGAN的未配对转换方法，使用两个分开的GAN在两个域上进行训练，能够处理未配对的数据。这些一对一映射的方法无法生成多样的输出。为了生成多
🦉AI新闻🚀AdobePremierePro引入AI提升对话音质摘要：Adobe公司最近发布了一项更新，为其视频编辑软件PremierePro（22.4版本）新增了一个名为EnhanceSpeech的功能，通过AI技术自动调节对话的质量和清晰度，以减少背景噪音并改善音质。此次更新还包括其他AI驱动的音频工具，如交互式淡入淡出处理和音频类别标记，进一步优化视频音频编辑效果。这些功能均在设备上运行，利用CPU和GPU，以确保应用程序的速度和性能。此外，新版还支持将视频导出至Tiktok平台，旨在提高用户编辑视频的效率。🚀联发科芯片优化支持谷歌大语言模型Gemini摘要：联发科宣布其天玑9300和8
StableDiffusionTemporal-Kit和EbSynth从娱乐到商用1.TemporalKit和EbSynth1.1提取关键帧1.2关键帧风格迁移1.3生成序列帧2.真人转卡通3.卡通转真人4.编辑技巧5.ControlNet+TemporalNet+达芬奇Fusion6.RerenderAVideo7.DiffSynth-Studio8.AnimateDiff原理解读9.ADetailer修复重绘脸崩10.【StableDiffusion】Prompt篇基于SD的风格化编辑主流方式：ControlNet-M2MControlNetimg2imgMov2movextensionS
FreeU:无需训练直接提升扩散模型生成效果。paper：https://arxiv.org/abs/2309.11497code：GitHub-ChenyangSi/FreeU:FreeU:FreeLunchinDiffusionU-Net1.介绍贡献：研究并揭示了U-Net架构在扩散模型中去噪的潜力，并确定其主要骨干主要有助于去噪，而其跳过连接将高频特征引入解码器模块。介绍了“FreeU”，利用U-Net架构的两个组件的优势，来增强U-Net的去噪能力。提高了生成质量，而不需要额外的训练或微调。FreeU框架是通用的，与现有的扩散模型无缝集成。通过各种基于扩散的方法证明了样品质量的显著改善
目录1.扩散模型2.DDPM和DDIM3.LatentDiffusionModels4.StableDiffusionModels参考链接1.扩散模型扩散模型包括两个过程：前向过程和反向过程，其中前向过程即扩散过程。前向过程和反向过程都是一个参数化的马尔可夫链（Markovchain），其中反向过程可以用来生成数据。扩散过程扩散过程即对数据逐渐增加高斯噪音直至数据变成随机噪音的过程。，即每一步采用的方差，varianceschedule或noise schedule，介于0-1之间，满足。所以在一个设计好的varianceschedule下，如果T足够大，则将完全丢失原始数据从而变成一个随机噪
前言在2022年，人工智能创作内容（AIGC）成为了AI领域的热门话题之一。在ChatGPT问世之前，AI绘画以其独特的创意和便捷的创作工具迅速走红，引起了广泛关注。随着一系列以StableDiffusion、Midjourney、NovelAI等为代表的文本生成图像的跨模态应用相继涌现与StableDiffusion的开源，StableDiffusion以其出色的人物和场景生成效果备受瞩目。它包括文本生成图像、图像生成图像、特定角色的刻画，甚至超分辨率和修复缺损图像等任务。感兴趣可加入：566929147企鹅群一起学习讨论介绍StableDiffusion的应用范围广泛，这不仅因为它生成的图
AI之T2I：StableDiffusion3的简介、安装和使用方法、案例应用之详细攻略目录StableDiffusion3的简介1、效果测试官方demo网友提供StableDiffusion3的安装和使用方法1、安装2、使用方法StableDiffusion3的案例应用1、基础案例StableDiffusion3的简介提示：夜晚，山顶上的巫师施展宇宙法术，将五彩能量投射到黑暗的天空中，上面写着“StableDiffusion3”的字样2024年2月22日，StabilityAI发布早期预览版的StableDiffusion3，这是我们性能最强大的文图生成模型，大大提高了在多主题提示、图像质量
