最好用的AI工具
首頁 / 搜尋結果

搜尋：圖像生成

60 個結果

DMAD – 字節聯合德州農工開源的擴散模型少步蒸餾技術

DMAD是什麼 DMAD（Distribution Matching as Adversarial Distillation）是字節跳動與德州農工大學聯合開源的少步蒸餾框架，用於加速擴散模型生成。DMAD訓練二分類判別器直接學習目標分佈與學生分佈的差異，省去輔助擴散模型，將50步教師模型蒸餾爲4步學生模型。已支持ImageNet、SDXL、Wan2.1及MiniMax-H3-33B，8GB顯存可生成約5秒1344×768有聲視頻。 DMAD的主要功能 少步圖像生成：將 ImageNet-64 的 EDM 模型蒸餾至 1 步採樣，FID 低至 1.04，SDXL 僅需 4 步可文生圖。 少步文生視頻：把 Wan2.1-T2V-14B 蒸餾爲 4 步學生模型，VBench 達 85.15。 聯合音視頻生成：將 MiniMax-H3-33B 的 50 步教師模型蒸餾爲 4 步，輸出 1344×768 視頻與 32kHz 原生立體聲音頻。 消費級硬件支持：提供 8GB 顯存 ComfyUI 工作流與低顯存命令行推理，8GB 顯卡可生成約 5 秒、12GB 約 15 秒有聲視頻。 訓練與推理全開源：發佈蒸餾方法、訓練代碼、推理腳本及多模型 LoRA 權重，覆蓋命令行與 ComfyUI 兩種使用方式。 DMAD的技術原理 分佈匹配即對抗蒸餾：DMAD 爲訓練二分類判別器區分目標樣本與學生樣本，最優判別器的 logit 等於兩分佈的對數密度比，對其輸入求梯度即得 score 差，直接給出學生的修正方向，省掉輔助 score 擬合模型。 共享骨幹、雙頭判別器：判別器採用單一共享特徵骨幹、兩個判別頭，教師頭區分教師樣本與學生樣本，真實數據頭區分真實樣本與學生樣本，均用二元交叉熵訓練；學生用兩個 logit 的加權線性損失更新，更新時凍結判別器參數但保留梯度回傳。 噪聲區間動態加權：教師樣本與真實數據的分佈差異隨噪聲水平變化，DMAD 用真實數據頭在兩類樣本上的平均 logit 差作爲經驗信號，以 0.99 衰減的指數移動平均追蹤各噪聲區間，差距小的區間獲得更高教師權重，歸一化後參與學生損失。 離線教師樣本加速訓練：教師只提供預生成並緩存的樣本，訓練時無需在線調用教師。4 卡 H200、MiniMax-H3 rank-128 LoRA 配置下，每次學生更新及關聯判別器更新耗時從 818.1 秒降至 233.3 秒，實現約 3.51 倍訓練加速。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用DMAD 克隆倉庫：git clone https://github.com/Yzmblog/DMAD.git 並進入項目目錄。 創建環境：用 conda 創建 Python 3.12 環境並激活。 安裝依賴：按官方固定版本安裝 PyTorch 2.11.0（cu126）、torchvision、torchaudio，再執行 pip install -r requirements.txt 和 pip install -U modelscope-hub。 準備硬件：確保有支持 CUDA 的 NVIDIA 顯卡，並預留約 64GB 系統內存與 170GB 磁盤空間。 下載基礎模型：通過 modelscope download MiniMax/MiniMax-H3 下載 MiniMax-H3 基礎模型。 下載蒸餾權重：從魔搭下載 DMAD 的 4 步 LoRA。 命令行推理：運行 inference.py，指定模型路徑、LoRA、提示詞文件、--steps 4、--height 768 --width 1344，按顯存選擇 --low-vram 8或 --low-vram 12。 查看輸出：輸出目錄包含 0000.mp4、提示詞 txt 和 settings.json，跑通後可替換爲自己的提示詞文件。 DMAD的核心優勢 推理大幅提速：將 50 步教師模型蒸餾爲 4 步學生模型，去噪迭代減少 92% 以上，同時保持接近教師的生成質量。 訓練效率更高：判別器直接學習分佈差異，省去輔助擴散模型，4 卡 H200 上訓練更新加速約 3.51 倍。 生成質量領先：ImageNet-64 一步生成 FID 達 1.04，優於 DMD2、SiDA 等方法；人類評估中對 DMD2 總體偏好率 79.1%、對 rCM 達 84.6%。 覆蓋多模態全場景：同一框架統一支持圖像、文生視頻和聯合音視頻生成。 DMAD的項目地址 項目官網：https://yzmblog.github.io/projects/DMAD/ GitHub倉庫：https://github.com/Yzmblog/DMAD Huggin

Surface Laptop Ultra – 微軟聯合英偉達推出的最強 AI PC

Surface Laptop Ultra是什麼 Surface Laptop Ultra是微軟推出最強Surface PC，搭載英偉達RTX Spark N1X超級芯片，最高20核CPU+6144核GPU+128GB統一內存，本地AI算力達1PFLOPS，可運行超1200億參數大模型。Surface Laptop Ultra採用15英寸PixelSense Ultra觸控屏、磁吸式USB-C充電，續航一整天，專爲AI開發、創意工作與智能體場景打造。 Surface Laptop Ultra的主要功能 本地跑大模型：1PFLOPS算力+128GB統一內存，本地運行超1200億參數模型。 AI編程：本地跑MAI-Code-1.1-Flash，Copilot智能編排本地與雲端任務。 智能體運行：配合MXC沙箱安全運行OpenClaw、Codex等智能體。 視頻創作：支持電影級視頻編輯，AI視頻生成比M5 Pro快6.2倍。 遊戲：光線追蹤+DLSS，《戰爭機器》穩定60幀。 屏幕：15英寸觸控屏，HDR亮度比MacBook Pro M5高25%。 磁吸充電：全球首款內置磁吸式USB-C接口。 擴展性：3個USB-C+HDMI等接口，可驅動3台4K顯示器，存儲可拆卸升級。 續航散熱：散熱提升2.5倍，續航滿足一整天。 Surface Laptop Ultra的規格參數 芯片：英偉達RTX Spark N1X超級芯片，Grace CPU + Blackwell RTX GPU，互聯速度600GB/s CPU：最高20核，入門版爲18核 GPU：最高6144核，入門版爲5120核 AI算力：1 PFLOPS FP4，可本地運行超1200億參數模型 內存：24GB家庭版或32GB~128GB專業版LPDDR5x統一內存 存儲：512GB~1TB固態硬盤，支持用戶自行拆卸、升級和更換 屏幕：15英寸PixelSense Ultra觸控屏，HDR峯值亮度比MacBook Pro M5高25% 機身：厚度不足18mm，重量不足4.5磅 散熱：全新散熱架構，散熱能力爲現有Surface筆記本的2.5倍 電池：續航滿足一整天使用 接口：3個USB-C，含全球首款內置磁吸式充電接口Magnetic Connect），、HDMI、USB-A、SD卡讀卡器、3.5mm耳機插孔，可驅動最多3台4K顯示器 操控：觸控板面積增大30%，配備先進觸覺反饋技術 系統：Windows 11家庭版/專業版 遊戲技術：英偉達光線追蹤、DLSS、Reflex Surface Laptop Ultra的價格配置 入門版2599美元，約17425元，18核CPU+5120核GPU+24GB+512GB 頂配5899.99美元，約39557元，20核CPU+6144核GPU+128GB+1TB Surface Laptop Ultra的購買地址 官方購買地址：https://www.microsoft.com/en-us/store/configure/surface-laptop-ultra/8wg5vqp0x4b8 Surface Laptop Ultra的應用場景 本地AI開發：依託1PFLOPS算力和128GB統一內存，開發者可在本地運行1200億參數大模型及MAI-Code-1.1-Flash，無需聯網即可完成代碼生成與調試。 企業智能體辦公：通過MXC安全沙箱隔離運行OpenClaw、Codex等智能體，自動完成文件整理、郵件歸檔等流程性工作。 影視內容創作：藉助AI圖像生成4.3倍、視頻生成6.2倍於M5 Pro的速度，創作者可本地完成電影級剪輯與AI素材生成。 隱私敏感計算：醫療、法律、金融行業的機密數據全程在本地處理，無需上傳雲端即可滿足合規要求。

Qwen-Image-2.1 – 阿里千問團隊開源的圖像生成模型

Qwen-Image-2.1是什麼 Qwen-I...

ChatGPT Images 2.5 – OpenAI 推出的新一代圖像生成模型

ChatGPT Images 2.5是什麼 Ch...

LLaDA-Image – 螞蟻集團開源的統一圖像生成與編輯模型

LLaDA-Image是什麼 LLaDA-Ima...

MAI-Image-2.5-Pro – 微軟推出的高精度圖像生成模型

MAI-Image-2.5-Pro是什麼 MAI...

Mage-Flow – 微軟開源的輕量級多模態圖像生成模型系列

Mage-Flow是什麼 Mage-Flow ...

Qwen-Image-3.0 – 阿里通義推出第三代圖像生成基礎模型

Qwen-Image-3.0是什麼 Qwen-I...

Muse Image – Meta 超級智能實驗室推出的AI圖像生成模型

Muse Image是什麼 Muse Image...

GenEvolve – 美團等推出的自演進圖像生成 Agent

GenEvolve是什麼 GenEvolve ...

Chichi-pui – AI圖像生成與分享平台，專注日系風格

Chichi-pui是什麼 Chichi-pui...

HiDream-O1-Image-1.5 – 智象未來推出的商用圖像生成模型

HiDream-O1-Image-1.5是什麼 ...

Ideogram 4 – Ideogram 開源的文本到圖像生成模型

Ideogram 4是什麼 Ideogram 4...

Uni-1.1 – Luma AI 推出的新一代圖像生成模型

Uni-1.1是什麼 Uni-1.1是Luma...

Step Image Edit 2 – 階躍星辰推出的圖像生成編輯模型

Step Image Edit 2是什麼 Ste...

GPT-image-2 – OpenAI推出的下一代原生圖像生成模型

GPT-image-2是什麼 GPT-image...

Wan2.7-Image – 阿里通義推出的 AI 圖像生成與編輯模型

Wan2.7-Image是什麼 Wan2.7-I...

InstanceAssemble – 小紅書聯合復旦推出的圖像生成框架

InstanceAssemble是什麼 Inst...

MCA-Ctrl – 中科院和中科大推出的圖像定製生成框架

MCA-Ctrl是什麼 MCA-Ctrl（Multi-party Collaborative Attention Control）是中科院計算所和中國科學院大學的推出的圖像定製生成框架，基於文本和複雜視覺條件實現高質量的圖像生成。MCA-Ctrl引入兩種注意力控制策略，Self-Attention Global Injection（SAGI）和Self-Attention Local Query（SALQ），及一個主體定位模塊（SLM），解決背景不一致、主體混淆等問題。MCA-Ctrl在零樣本圖像定製方面優於現有方法，能有效保持主體特徵和條件信息的一致性。 MCA-Ctrl的主要功能 高質量圖像定製：在文本或圖像條件下生成高質量的定製圖像，保持與條件輸入的語義一致性。 主體特徵保持：在複雜的視覺場景中，準確捕捉特定主體的外觀和內容，同時避免主體泄漏和混淆問題。 背景一致性：在圖像條件生成中，保持背景的一致性。 零樣本生成：支持直接在零樣本條件下生成高質量的圖像。 多種任務支持：支持多種圖像定製任務，包括主體生成、主體替換和主體添加等。 MCA-Ctrl的技術原理 多主體協同擴散過程：基於三個並行的擴散過程，主體擴散過程（Bsub）、條件擴散過程（Bcon）和目標擴散過程（Btgt）。主體擴散過程負責處理主體圖像，條件擴散過程處理條件圖像或文本，目標擴散過程生成最終的定製圖像。 自注意力層操作：Self-Attention Global Injection（SAGI）將主體和條件圖像的全局自注意力特徵注入到目標擴散過程中，增強目標圖像的細節真實性和內容一致性。SAGI操作有助於糾正由局部查詢引起的特徵混淆。目標擴散過程基於查詢主體和條件圖像的局部特徵，獲取主體的外觀和背景內容。SALQ操作確保生成的圖像在主體和背景上與條件圖像保持高度一致性。 主體定位模塊（SLM）：爲在複雜視覺場景中準確識別和定位主體，引入主體定位模塊。SLM結合目標檢測模型（如DINO）和分割模型（如SAM），處理多模態指令，輸出精確的主體圖像層和可編輯圖像層，減少特徵混淆和僞影。 無調優框架：MCA-Ctrl不需要對每個主體進行單獨的微調訓練，基於注意力控制策略和主體定位模塊，在零樣本條件下實現高質量的圖像定製。 MCA-Ctrl的項目地址 GitHub倉庫：https://github.com/yanghan-yh/MCA-Ctrl arXiv技術論文：https://arxiv.org/pdf/2505.01428 MCA-Ctrl的應用場景 數字內容創作：快速生成遊戲、動畫中的角色和場景。 廣告與營銷：製作個性化廣告圖像和品牌推廣素材。 娛樂與社交媒體：生成個性化頭像、圖片和社交媒體內容。 教育與培訓：輔助教學材料製作，創建虛擬實驗室場景。 藝術與設計：提供藝術創作靈感，輔助室內設計預覽。

Ghiblio.art – 免費AI圖像生成平台，支持文字和圖片轉化爲吉卜力風格

Ghiblio.art是什麼 Ghiblio.a...