11小时1分钟前 https://juejin.cn/post/7363823940606066728

前段时间阅读了 Denoising Diffusion Probabilistic Models论文，最近在MNIST数据集进行了实现，效果还不错。如图1所示，展示的是去噪的过程，图片左上角是时间戳。当时间戳=1000时候，是一个白噪声；当时间戳=1时候，是一张清晰的手写数字。 图1. 恢复过程(去噪过程) 模型介绍 Diffusion 模型是加利福尼亚大学Jonathan等人提出的，该模型在图像生成、多模态模型方面具有巨大的影响力。比如，给一个模糊的图片，你可以使用Diffusion模型得到更清晰的高

15小时11分钟前 https://hub.baai.ac.cn/view/36843

编辑部 整理自 凹非寺量子位 | 公众号 QbitAI一支人大系大模型团队，前后与OpenAI进行了三次大撞车！第一次是与Clip，第二次是与GPT-4V，最新一次撞在了Sora上：去年5月，他们联合并联合伯克利、港大等单位于在arXiv上发表了关于VDT的论文。那时候，该团队就在在技术架构上提出并采用了Diffusion Transformer。并且，VDT还在模型中引入统一的时空掩码建模。这个团队，正由中国人民大学高瓴人工智能学院教授卢志武带队。Sora问世已经两个多月，现在这支国产团队在视频生成领域的

3天前 https://juejin.cn/post/7363490901341552678

本文代码讲整合在： GitHub - liangwq/Chatglm_lora_multi-gpu: chatglm多gpu用deepspeed和 这篇文章介绍如何利用VLM+diffusion模型来搭建一条文本生成海报的链路。搭建这条链路有两个应用：1.实际的业务中需要批量生产文字+图海报可以用，2.可以用来造训练数据。 首先介绍下这篇文章的整体框架安排： 1.生图模块 2.字排版模块 3.图文混合模块 4.图审核验证模块 生成模块 部署文本生成图片模型pixart-sigma： 1.安装环境和下载

4天前 https://juejin.cn/post/7363078360786845735

1. 背景 AI爆火了2年有余，但我仍是一个AI小白，最近零星在学，随手记录点内容供自己复习。 上次在Macbook Pro上安装了Stable Diffusion，体验了本地所心所欲地生成各种心仪的图片，完全没有任何限制的惬意。今天想使用Macbook Pro安装一个本地大语言模型体验一下，刚好在2024年4月18日，Meta在官网上宣布公布了旗下最新大模型Llama 3，并开放了80亿（8b）和700亿（70b）两个小参数版本，据说能力显著提升。遂开干。 为什么部署本地大模型 学习方便，私有

4天前 https://juejin.cn/post/7362814338531557411

theme: fancy 本文主要介绍stable diffusion云端产品以及使用步骤 原文地址：原文 ℹ️整合安装包、模型资源见文末~ megaease cloud（强烈推荐） 优点： 集成了常用大模型和插件、VAE 3080显卡配置，费用大概0.48元/小时，可随时暂停，暂停后不收费 可选webui 1.8.0版本 存储独立，可持久化，费用0.01元/10GB/小时, 40GB存储24小时不停歇开着只需要0.98元（存储不可暂停，但是可以解绑删除，删除后不计费，后续可再次创建存储进行绑定）

4天前 https://aws.amazon.com/cn/blogs/china/wordpress-genai-plus-accelerate-your-website-content-creation-with-generative-ai/

WordPress GenAI Plus 解决方案将 Amazon Bedrock 中的 Claude3 与 Stable Diffusion 的能力无缝整合进 WordPress 编辑器，为网站内容创作提供全新 AI 辅助体验。

5天前 https://juejin.cn/post/7362547967700910106

项目主页｜https://hyper-sd.github.io/ 最近，扩散模型（Diffusion Model）在图像生成领域取得了显著的进展，为图像生成和视频生成任务带来了前所未有的发展机遇。尽管取得了令人印象深刻的结果，扩散模型在推理过程中天然存在的多步数迭代去噪特性导致了较高的计算成本。近期出现了一系列扩散模型蒸馏算法来加速扩散模型的推理过程。这些方法大致可以分为两类：i) 轨迹保持蒸馏；ii) 轨迹重构蒸馏。然而，这两类方法会分别受到效果天花板有限或者或输出域变化这两个问题的限制。 为了解决这些

5天前 https://aijishu.com/a/1060000000461616

本文将整理4月发表的计算机视觉的重要论文，重点介绍了计算机视觉领域的最新研究和进展，包括图像识别、视觉模型优化、生成对抗网络(gan)、图像分割、视频分析等各个子领域扩散模型1、Tango 2: Aligning Diffusion-based Text-to-Audio Generations through Direct Preference Optimization在音乐和电影行业中，从文本提示生成音频是一个重要的研究方向。最近许多基于扩散模型的文本到音频方法专注于在大量的提示音频对的数据集上进行训练

6天前 https://juejin.cn/post/7362062562478981132

本次实验使用了sklearn中的数据s曲线，示意图如下： 在扩散模型中，需要定义在每一步所添加的噪声的β值，即其标准差。 让每一步的β呈递增状态，且范围规范至0到1之间 #制定每一步的β betas=torch.linspace(-6,6,num_steps) betas=torch.sigmoid(betas)*(0.5e-2 - 1e-5)+1e-5 很关键的一步： 就是扩散过程中任意时刻t相应的采样结果xt均可由x0和βt表示出来。 构造出相应的各参数（换元主要是方便看） # 计算alpha各参

7天前 https://hub.baai.ac.cn/view/36720

最近，扩散模型（Diffusion Model）在图像生成领域取得了显著的进展，为图像生成和视频生成任务带来了前所未有的发展机遇。尽管取得了令人印象深刻的结果，扩散模型在推理过程中天然存在的多步数迭代去噪特性导致了较高的计算成本。近期出现了一系列扩散模型蒸馏算法来加速扩散模型的推理过程。这些方法大致可以分为两类：i) 轨迹保持蒸馏；ii) 轨迹重构蒸馏。然而，这两类方法会分别受到效果天花板有限或者或输出域变化这两个问题的限制。为了解决这些问题，字节跳动技术团队提出了一种名为 Hyper-SD 的轨迹分段一致