文章列表-AI魔法学院

文章列表

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

方法简介对于给定目标对象、场景和位置，Anydoor 实现了高保真度和多样化的零样本对象 - 场景合成。

Anydoor 文生图

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

收藏的内容太多也不必担心，ima可以帮你在知识库中进行任意检索总结，简直是学习利器！

ima copilot 搜索

ComfyUI上使用SDXL1.0官方工作流实操使用零基础讲解节点式生成的Ai绘画工具comfyui，节点模块讲解

ksampler模块即是webui中的采样器，可以调整采样方法、CFG步数等参数。

文生图

ComfyUI 基础教程（二）：文生图基础流程

同样，可以右键点击颜色来修改节点颜色。

comfyui 文生图

造梦师手记：SDXL迎来了AI插画师

采用 “dpmpp_2m” 采样器（sampler），搭配 “karras” 调度器（scheduler），该组合在 webui 里称为 DPM++ 2M Karras。

文生图漫画

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

这里使用两个MLP层来执行这样的融合操作。

PhotoMaker 文生图

检索增强生成(RAG)有什么好的优化方案？

根据我的实践，我们可用更简单的图采样技术来进行KG上下文增强。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

根据我的实践，我们可用更简单的图采样技术来进行KG上下文增强。

RAG 检索增强生成

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

具体来说，JFT中一共有18291个类别，这能教模型的概念比ImageNet的1000类要多得多，但尽管已经有上万类了，其最后的分类器其实还是静态的、有限的，因为你最后还是得固定到18291个类别上进行分类

OpenAI 自然语言监督

大模型应用设计的10个思考

因此，我们的首要任务是发掘模型的潜力，让它成为我们解决问题的利器。

大模型应用

Stable Diffusion

硬核解读Stable Diffusion（系列一）

SD采用基于KL-reg的autoencoder，其中下采样率，特征维度为，当输入图像为512x512大小时将得到64x64x4大小的latent。

StableDiffusion 文生图

2024！深入了解大语言模型（LLM）微调方法（总结）

它可能会使用像SuperAnnotate的LLM定制编辑器这样的工具来构建具有所需界面的模型。

大模型微调

又快又好，秒级出图的AI大模型

最佳输出设置建议采样器：DPM++ SDE或DPM++ SDE Karras 步数：3 - 5 CFG：1 - 2.25 您可以在Automatic1111中像普通XL模型一样运行此模型，但是并非所有采样器都适用于它

Stable Diffusion 文生图大模型

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

Transformer是一个崭新的端到端模型，采用了注意力机制来巧妙地捕获上下文信息。

大模型

从第一性原理看大模型Agent技术

我们可能会思考，大模型或许真的就是我们以前想象的那样，会达到人类智慧水平的普适性机器么？

大模型 agent

<...17 18 19 202122 23 24 25 26 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1