开源项目教程:Compositional Visual Generation with Composable Diffusion Models
2025-04-17 10:49:43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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
52
461

deepin linux kernel
C
22
5

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
349
381

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
7
0

openGauss kernel ~ openGauss is an open source relational database management system
C++
131
185

🎉 (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
873
517

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
336
1.09 K

React Native鸿蒙化仓库
C++
179
264

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
608
59

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4