Normalized-Attention-Guidance 项目亮点解析
2025-07-01 04:08:38作者:范垣楠Rhoda
1、项目的基础介绍
Normalized-Attention-Guidance (NAG) 是一个开源项目,旨在为扩散模型提供一种新的控制方法。该项目由 ChenDarYen 开发,并于 2025 年 6 月 30 日发布了代码和演示。NAG 通过在注意力空间中进行正负特征的推断,实现了对扩散模型的精确控制,从而提高了模型的可控性和创意自由度。
2、项目代码目录及介绍
项目代码目录结构如下:
assets
: 存储项目相关的资源文件。src
: 存储项目的主要代码文件。.gitignore
: 定义 Git 忽略的文件或目录。LICENSE
: 项目许可证文件。README.md
: 项目说明文件。flux_nag_demo.ipynb
: 使用 NAG 进行 Flux 模型演示的 Jupyter Notebook 文件。requirements.txt
: 项目依赖的 Python 库文件。
3、项目亮点功能拆解
- 可控性增强: NAG 通过在注意力空间中进行正负特征的推断,实现了对扩散模型的精确控制,从而提高了模型的可控性和创意自由度。
- 负向引导: NAG 支持直接抑制视觉、语义和风格属性,例如眼镜、老虎、真实或模糊,从而实现基于提示的反偏。
- 多种模型支持: NAG 支持多种扩散模型,包括 Flux、Flux Kontext、Wan2.1、SD3.5 和 SDXL 等。
4、项目主要技术亮点拆解
- 注意力空间操作: NAG 在注意力空间中进行正负特征的推断,从而实现对扩散模型的精确控制。
- L1 正则化: NAG 使用 L1 正则化来约束特征偏差,从而抑制模型在低维空间中的漂移。
- α 混合: NAG 使用 α 混合来融合正负特征,从而实现稳定的控制效果。
5、与同类项目对比的亮点
- 高精度控制: 相比于传统的 CFG 方法,NAG 在低步数情况下仍然能够提供精确的控制效果。
- 易用性: NAG 提供了多种模型的实现和演示,使用户可以轻松地将 NAG 应用于自己的项目中。
总的来说,Normalized-Attention-Guidance 是一个功能强大、易于使用且具有高精度控制的开源项目,为扩散模型的控制提供了一种新的思路和方法。
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~050CommonUtilLibrary
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。06GOT-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!C0305- 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

React Native鸿蒙化仓库
C++
178
262

🎉 (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
866
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
265
305

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
398
371

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

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

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3