开源项目教程:Compositional Visual Generation with Composable Diffusion Models
2025-04-17 23:09:43作者:冯爽妲Honey
1. 项目介绍
本项目是基于PyTorch的开源项目,旨在通过结合条件扩散模型(如Stable Diffusion、Point-E等)使用并集和补集(负提示)操作来实现组合视觉生成。项目提供了一种新的方法,可以在生成图像时,根据文本描述组合不同的元素和属性。代码库包括训练和推理代码,并基于GLIDE和Improved-Diffusion构建。
2. 项目快速启动
环境搭建
首先,创建一个conda环境并激活:
conda create -n compose_diff python=3.8
conda activate compose_diff
接着,安装必要的包:
pip install -e .
pip install diffusers==0.10.2
pip install open3d==0.16.0
推理示例
以下是一个使用Stable-Diffusion模型的推理示例,它将自然语言描述组合起来生成图像:
# 使用并集(AND)操作
python scripts/image_sample_compose_stable_diffusion.py --prompts "mystical trees | A magical pond | dark" --weights "7.5 | 7.5 | 7.5" --scale 7.5 --steps 50 --seed 2
# 使用补集(NOT)操作
python scripts/image_sample_compose_stable_diffusion.py --prompts "mystical trees | A magical pond | dark" --weights "7.5 | 7.5 | -7.5" --scale 7.5 --steps 50 --seed 2
3. 应用案例和最佳实践
图像生成
使用Stable-Diffusion模型生成的图像可以通过组合不同的正提示和负提示来控制生成的内容。以下是一些示例:
- 生成一个包含湖泊和树木的石头城堡,但不是黑白的:
python scripts/image_sample_compose_stable_diffusion.py --prompts "A stone castle surrounded by lakes and trees, fantasy, wallpaper, concept art, extremely detailed" --weights "7.5" --scale 7.5 --steps 50 --seed 2
3D网格生成
使用Point-E模型,可以生成3D网格。以下是一个组合自然语言描述生成3D网格的示例:
python scripts/txt2pointclouds_compose_pointe.py --prompts "a cake" "a house" --weights 3 3
4. 典型生态项目
本项目的代码库可以与其他开源项目结合,形成更加丰富的生成模型生态。例如,可以结合以下项目:
- Stable-Diffusion: 一个稳定的扩散模型,用于高分辨率的图像合成。
- Point-E: 一个用于3D网格生成的模型。
- GLIDE: 一个基于文本的图像生成模型。
通过这种方式,开发者和研究人员可以探索更多组合生成模型的可能性,推动视觉生成领域的发展。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0279community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息012Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
1.99 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
942
555

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
515
45

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
345
1.32 K

React Native鸿蒙化仓库
C++
194
279