- 综合排序
- 最热优先
- 最新优先
- 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 简介 网上最近突然多了很多好看的图，后来发觉八成是 AI 图像的优质化和平民化导致的了，自己是没有那个实力和时间以及设备训练模型了，跟风本地跑一跑玩一玩~ 这里先介绍两个网站，对于有能力探寻更深入的人会有所帮助 LoRA（Low-Rank Adaptation of Large Language Models）粗略地讲就是利用少量的图像来对 AI 进行额外学习训练，并在一定程度上控制结果。 访问 http://127.0.0.1:7860/，选择模型，输入关键词可以体验生成图像啦 ~ 此处 Prompt 代表你想要生成的元素，而 Negative prompt 代表你想要避免出现的元素， 选择提示词是一门很神奇的学问，对生成图像的质量至关重要。
2.7K00编辑于 2023-03-28 - 来自专栏开源心路
AI绘画Imagen大力出奇迹生成图像
AI绘画Imagen大力出奇迹生成图像 介绍 Imagen是一个文本到图像的扩散模型，由Google大脑团队研究所开发。 Imagen与unCLIP的区别：Imagen使用T5模型来生成文本表征，然后通过一个扩散过程生成图像，而不是优化图像以匹配预训练的文本-图像嵌入。 这个过程对于稳定训练和提高最终图像生成质量至关重要。 ) # 条件缩放因子，控制图像生成的一致性 images.shape # 输出图像的形状 (2, 3, 256, 256) imagen_pytorch 库进行无条件图像生成的训练，即不依赖于文本输入 代码中先对一组随机生成的图像数据进行训练，然后更新模型。最后，从训练好的模型中无条件地采样生成图像。这个过程演示了如何在不依赖文本输入的情况下使用Imagen模型进行图像生成。
77810编辑于 2023-12-27 - 来自专栏AI
图像生成
学习如何在API中使用DALL·E生成或操作图像。想要在ChatGPT中生成图像吗？请访问chat.openai.com。 用法生成图像生成端点允许您根据文本提示创建原始图像。在使用DALL·E 3时，图像可以是1024x1024、1024x1792或1792x1024像素大小。 默认情况下，图像以标准质量生成，但在使用DALL·E 3时，您可以设置quality："hd"以获得增强的细节。方形、标准质量的图像生成速度最快。 变体（仅适用于DALL·E 2）图像变体端点允许您生成给定图像的变体。 response.data[0].url)except openai.OpenAIError as e: print(e.http_status) print(e.error)官网博客 - 从零开始学AI
72810编辑于 2024-04-21 - 来自专栏云云众生s
在Jupyter Notebook中显示AI生成的图像
AI及其相关技术，例如OpenAI，可以使许多流程变得轻松。使用合适的工具，您可以将想法转化为创意，通过将文本转换为生成的图像并使用数字媒体管理工具Cloudinary将其存储在云中。 OpenAI的高智能图像API使得显示AI生成的图像成为可能。该API提供从头开始生成原始图像、根据文本提示编辑现有图像以及创建图像变体的方法。 以上代码中的导入语句将使用存储的Cloudinary AI生成的图像的URL以可视方式显示图像，而不是仅显示图像的URL。requests库发出HTTP请求。 它使用图像生成端点根据变量response中的文本提示创建原始图像。 属性n = 1指示模型一次只生成一张图像。 来自OpenAI API的生成的输出图像 Cloudinary中上传的AI生成的图像 项目的完整源代码，请使用这个gist或Google Colab中的这个notebook。 结论 已经有灵感了吗？
8.2K10编辑于 2024-11-22 - 来自专栏程序那些事儿
ImageFX，谷歌 AI 图像生成的新篇章
ImageFX 是一个实验性的图像生成工具，它利用了 Imagen 2——Google DeepMind 最新的文本到图像的 AI 模型，为用户提供了一个强大的平台，以简单的文本提示快速生成高质量的图像 安全与隐私的守护者 为了确保内容的安全性和隐私保护，所有通过 ImageFX 生成的图像以及使用 MusicFX 制作的音频都采用了 SynthID 技术进行数字水印标记。 透明的 IPTC 元数据 除了 SynthID 水印，ImageFX 生成的图像还包含了 IPTC 元数据，这为用户提供了更多关于 AI 生成图像的信息。 总结 ImageFX 不仅是一个图像生成工具，它更是一个创意探索的平台，如果你觉得 gemini 生成的图片还不是很满意，那么你可以尝试下谷歌的这个 ImageFX。 随着技术的不断进步和用户反馈的积累，ImageFX 有望成为创意产业中不可或缺的工具之一，开启 AI 图像生成的新篇章。
2K10编辑于 2024-05-03 - 来自专栏Python编程 pyqt matplotlib
Diffusion Modes由文本生成图像（AI绘画）
Diffusion Modes（扩散模型）是当前最火热的由文本生成图像的模型。 Stability.ai 公司提供了在线文本生成图像的网站 DreamStudio 下面是我输入文本后由扩散模型生产的图片： cat beatiful girl, snow beatiful woman 这幅有点翻车 puppy，fight with cat 除了在网页上在线让AI绘画外，还可以将API下载到本地，设置好环境变量和API key 后，在命令行输入命令进行AI绘图。
93420编辑于 2022-11-18 - 来自专栏ATYUN订阅号
AI与艺术相结合：2018年AI生成图像TOP 5
2018年是AI与艺术结合爆发的一年，数千个AI生成的图像在互联网上传播。以下是2018年这一类型中最好的五个图像，以及评选者对AI当前和未来状态的看法。 AI生成的图像可以帮助我们理解AI的思维 2018年图像生成的最大突破之一是由谷歌实习生Andrew Brock创建的名为BigGAN的算法。 他利用谷歌庞大的计算能力创造了一个复杂的神经网络，他训练的图像远远超过大多数研究人员。 ? 结果产生了令人难以置信的纹理的图像，与以前的视觉AI世界全然不同。神经网络产生的狗看起来就跟真的一样。 上面的图像从技术上说并非由AI生成，但它是AI产生的视觉文化的重要人工制品。这是艺术家如何使用传统媒体来阐明算法社会的问题本质的一个例子。 而机器人生成虚假地图只是时间问题。毕竟，我们的视觉文化与我们的政治文化是一致的。
1.3K20发布于 2018-12-29 AI图像生成模型一致性角色生成技术对比
生成一致性角色的技术演进过去，生成一致性角色图像的最佳方法依赖于训练好的LoRA模型。这需要创建一个图像数据集，然后在FLUX LoRA上进行训练。 现在，已经可以选择能从单一参考图像中准确完成此任务的先进图像模型。本文将重点介绍哪些模型可以做到这一点，以及根据需求哪个是最佳选择。 最佳的一致性角色生成模型截至2025年7月，有四个模型能够根据单一参考图像创建逼真且准确的输出。 Gen-4 输出了最佳的女巫图像，但也生成了最不像的兽人。在这个示例中，Kontext Pro 不愿意创建蓝色纳美人的图像，因此展示的是 Kontext Dev 的结果。 输出通常较柔和，看起来更像AI生成。在复杂场景中，连贯性也是个问题。某机构的 Gen-4 在照片的相似度方面是最具适应性和最准确的。
36500编辑于 2026-01-04- 来自专栏深度学习与计算机视觉
图像生成：SaGAN
上图就是SaGAN的网络结构，例子是将一个戴眼镜的人脸图像III生成不戴眼镜的人脸图像I^\hat{I}I^。 首先是生成器部分G，它的输入是原始图像III和属性控制信号ccc，负责输出修改后的图像I^\hat{I}I^： I^=G(I,c)\hat{I}=G(I,c)I^=G(I,c) 生成器又拆分为两个网络 判别器部分D也有两部分，分别是原始的DsrcD_{src}Dsrc和增加的DclsD_{cls}Dcls，分别用来评价图像生成的效果和属性编辑的效果。 因为如果没有DclsD_{cls}Dcls，也可以生成出质量高的图像，但是做不到属性的控制。DsrcD_{src}Dsrc和DclsD_{cls}Dcls共用了主干网络。 ? G损失，由于判别器有DsrcD_{src}Dsrc和DclsD_{cls}Dcls两个部分，所以生成器G也要有两个对应的损失函数，分别是固定判别器时生成更真实的图像LsrcGL_{src}^{G}LsrcG
1.3K30发布于 2019-09-25 AI 文本生成图像技术是如何运作的
近年来，AI 文本生成图像技术取得了长足进步。十年前，谁能想到，只需要输入一段文字描述，比如“粉红色独角兽在做瑜伽”，AI 就能生成一张图像？但现在，这种技术已经成为现实。 AI 是如何从文字生成图像的？简单来说，这个过程包括几个关键步骤：数据学习：AI 首先要学会识别物体。 持续改进：生成器和鉴别器会不断“较量”，生成器努力生成更逼真的图像，而鉴别器不断挑出其中的不足。这种反复训练让 AI 生成的图像质量越来越高。 最终生成图像：经过训练，AI 可以根据任何输入生成相应的图像。无论是“打篮球的机器人”还是“糖果做成的海盗船”，AI 都能将这些描述转换为视觉图像。有哪些好用的AI文本生成图像工具？ 未来的应用场景AI 文本生成图像技术的应用远不止是玩玩而已，它在各个行业都有潜在的广泛用途：内容创作：无论是写作还是制作营销材料，AI 能够即时生成与内容相关的图像，节省大量时间。
1.5K10编辑于 2024-09-10- 来自专栏AI科技大本营的专栏
玩转3D全息图像！AI即刻生成
计算繁琐的菲涅耳衍射仿真在图像质量和运行时间两者之间有很大的矛盾，利用传统技术生成全息图需要一台超级计算机进行物理模拟，非常耗费资源，并且产生的三维效果不如真实感。 全息照相技术最早是在上个世纪60年代中期开发，这些信息储存在一个很微小但却很复杂的干涉模式中，这个干涉模式是由激光产生的，其中一半光束用于照亮物体，另一半光束用作光波相位的参考，该参考会产生全息图的独特深度感，但是生成的图像是静态的 研究人员利用计算机模拟光学设置生成全息图像，但是实现这一过程需要非常大的计算量。 因为三维场景中的每个点都有不同的深度，因此无法对所有这些点都应用相同的操作，极大地增加了计算复杂性。 首先，用于渲染RGB-D图像的3D场景具有很高的复杂度，并且在颜色，几何形状，阴影，纹理和遮挡方面存在很大的差异，以帮助CNN推广到计算机渲染和实际捕获的RGB-D测试中 输入，通过自定义随机场景生成器实现的 研究人员运用量身定制的随机场景生成器和OA-PBM技术创建的多分辨率、大规模全息图数据集将使各种与图像相关的常规应用技术转移到全息技术上，包括超分辨率，压缩，全息图的语义编辑和由中心引导的全息图渲染等。
1.8K20发布于 2021-03-25 - 来自专栏深度学习与计算机视觉
图像生成：GAN
本文链接：https://blog.csdn.net/chaipp0607/article/details/100859215 简介 GAN，即生成对抗模型，是图像生成领域内的一种重要方法，它在2014 G(z)G(z)G(z)就是最后生成出来的图像。 GAN原理 GAN结构 ? 对于生成器G，希望生成的图像G(z)G(z)G(z)无限逼近于真实图像，而对于判别器D，希望无论生成的图像G(z)G(z)G(z)有多真实，判别器总是能把他和真实的图像区分开，所以说GAN是一个G和D博弈的过程 GAN和VAE VAE一般采用MSE评估生成图像，即每一个像素上的均方差，这样会使生成的图像变得模糊。但是VAE由于自身是带条件控制的，所以VAE不会生成很多奇奇怪怪的图像。 GAN采用判别器评估生成的图像，由于没了均方误差损失，所以GAN生成图像更清晰，但是由于GAN很难训练，同时原始的GAN没有条件控制的能力，所以GAN生成的图像有些会很奇怪。
1.2K41发布于 2019-09-18 - 来自专栏AIGC新知
AI影视系列：图像生成（1） | 关于AI绘画的那些工具盘点
好了，正式开启我们的分享~ 本部分主要分享AI绘画生成的工具&大模型介绍，由于是基础软件介绍，所以不会涉及过多深入的理论。 原理涉及文本理解、图像生成、优化与反馈等多个步骤，使用了transformer架构和多种图像合成技术。 相较于MJ等其他AI绘画工具，他可以听懂大白话，帮助用户实现脑中的想法。 ideogram 2.0 Ideogram是一个文本到图像的AI生成工具，它让创意表达变得轻松、有趣，同时效率倍增。 目前支持： AI文本到图像生成：输入简单的文本提示词描述即可生成各种场景和画面 多种风格的创意表达：支持如摄影、插画、3D、海报、时尚、动漫、建筑、艺术字等多种图像风格 灵活的图像尺寸比例：Ideogram AI目前提供10:16、1:1和16:10三种不同比例的图像生成 支持图像混合模式：用户可选择图像进行remix，使用新的提示词将现有图像进行微调和更改风格 ideogram支持写实、设计、3D、动漫等类别风格
75110编辑于 2024-10-08 - 来自专栏星哥的AI自留地
解锁AI绘画新境界！开源文生图解锁AI图像生成无限创意
解锁AI绘画新境界！开源文生图解锁AI图像生成无限创意在当今科技飞速发展的时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活和工作方式。其中，AI图像生成领域更是取得了令人瞩目的进展。 开源 Awesome GPT-4o Images这是一个精选的 GPT-4o 与 gpt-image-1 生成图像与提示词合集。 借助 ChatGPT 和 Sora，全面展示 OpenAI 在 AI 图像生成方面的前沿能力，并不断探索创意表达的新可能。 Sora： OpenAI官方出品，可通过 GPT-4o 生成逼真图像，支持图文结合、场景重建，适用于影视、动画等视觉创意场景。 得到图片结束随着AI技术的不断进步，图像生成领域将迎来更多的可能性。Awesome GPT-4o Images 提供了丰富的风格选项，如吉卜力、厚涂、像素、3D毛绒等。
54510编辑于 2025-05-07 多语言AI图像生成器NeoBabel开源发布
虽然文本到图像的生成技术正在迅速发展，但这些AI模型大多以英语为中心。这加剧了非英语使用者的数字不平等。阿姆斯特丹大学理学院的研究人员创建了NeoBabel，一个能够支持六种不同语言的AI图像生成器。 通过将其研究的所有要素开源，任何人都可以在该模型的基础上进行构建，并帮助推动包容性AI研究。当你使用AI生成图像时，如果你的提示词是英语，结果通常更好。 这是因为许多AI模型的核心是英语：如果你使用另一种语言，你的提示词会在图像创建前被翻译成英语。然而，世界上大多数人并非以英语为母语，这使他们处于不利地位。 研究团队将图像生成系统集成到这些文本生成器中，创建了一个先进的多语言图像生成器。该图像生成器名为NeoBabel，目前支持六种语言：英语、法语、荷兰语、中文、印地语和波斯语。 下面展示了一个此类误译的例子，其中提示词要求生成一张桌子和一只熊的图像。提示词用荷兰语要求生成一张桌子和一只熊的图像。在荷兰语中，熊是“beer”，这使大多数图像生成器感到困惑。
11710编辑于 2026-03-23- 来自专栏机器之心
给AI生成图像「加水印」，谷歌发布识别工具SynthID
机器之心报道 机器之心编辑部 你能看出图像是 AI 生成的还是真实的吗？ 随着生成式人工智能的迅速发展，人们越来越关注 AI 生成内容带来的潜在风险。 例如，人们可能会有意或无意地传播 AI 生成的虚假信息。特别是在图像生成领域，分辨 AI 生成的图像和真实图像显得尤为重要。 一些研究尝试用「加水印」的方法来分辨 AI 生成的内容。 现在，Google DeepMind 宣布针对图像生成推出一种添加水印的工具 SynthID，以识别 AI 生成的图像，目前 SynthID Beta 版已经上线。 SynthID 目前可以为谷歌的文生图模型 Imagen 生成的图像添加水印，并且在视觉上难以察觉。 如下图所示，有无水印的图像看起来没有区别： 通过扫描图像中的数字水印，SynthID 可以评估图像是由 Imagen 生成的可能性。
85230编辑于 2023-09-08 - 来自专栏DeepHub IMBA
使用纹理对比度检测检测AI生成的图像
在本篇文章中我们将介绍如何开发一个深度学习模型来检测人工智能生成的图像 大多数用于检测人工智能生成图像的深度学习方法取决于生成图像的方法，或者取决于图像的性质/语义，其中模型只能检测人工智能生成的人、脸 但是这篇论文“Rich and Poor Texture Contrast: A Simple yet Effective Approach for AI-generated Image Detection 在该方法将图像分成预定大小的小块，并对它们进行打乱洗牌生成形成新图像。这只是一个简单的解释，因为在形生成模型最终的输入图像之前还有一个额外的步骤。 )生成的图像。 我还找到了训练的代码，有兴趣的可以深入研究： 论文： https://arxiv.org/abs/2311.12397 代码： https://github.com/hridayK/Detection-of-AI-generated-images
75410编辑于 2024-03-11 Imagen 4 是 Google 最新的 AI 图像生成器
谷歌正在推出一种新的图像生成 AI 模型 Imagen 4，该公司声称该模型比其之前的图像生成器Imagen 3提供更高质量的结果。 该模型既能处理照片级写实风格，也能处理抽象风格，能够创建各种宽高比、分辨率高达 2K 的图像。 “我们还投入了大量精力，并针对其生成文本和地形的方式进行了改进，因此它非常适合制作幻灯片、邀请函，或者任何其他需要融合图像和文字的内容。” Imagen 4 的样本图片来源：谷歌 从ChatGPT 的热门工具到Midjourney 的 V7 ，市面上 AI 图像生成器琳琅满目。它们都相对复杂、可定制，并且能够创作高质量的 AI 艺术作品。 从今天早上开始，Imagen 4 可以在 Gemini 应用程序、Google 的 Whisk 和 Vertex AI 平台以及 Google Workspace 中的 Google Slides、Vids
65310编辑于 2025-05-31- 来自专栏ATYUN订阅号
AI系统可以自动生成逼真的人工星系图像
这可能听起来像是未来派全息成像的描述，但爱丁堡大学感知研究所和天文学研究所的研究人员在AI的帮助下设计了这样一个系统。 由于星系是这类应用的主要竞争者，我们探索利用AI来产生星系图像。” 团队机器学习架构的核心是生成对抗网络（GAN），由生成样本的生成器和试图区分生成的样本和现实样本的鉴别器组成的两部分神经网络。 第一个生成低分辨率图像（64 x 64像素），而第二个使用称为超分辨率的技术将它们转换为更高分辨率的图像（128 x 128像素）。 为了使Stage-II GAN中的生成器输出类似于其放大的真实图像对应物的合成星系图像，该论文的作者引入了一种双目标函数，计算出分辨率增强之间的误差度量图像真正的星系。 研究人员在具有单个Nvidia GTX 1060 GPU的PC上训练AI系统，使用Galaxy Zoo 2数据集（一个众包天文项目）中提供的恒星和行星体的全彩色图像。
82230发布于 2018-12-12 - 来自专栏SIGAI学习与实践平台
GAN生成图像综述
其中，GAN在图像生成上取得了巨大的成功，这取决于GAN在博弈下不断提高建模能力，最终实现以假乱真的图像生成。 变分自编码器（VAE） VAE是在Autoencoder的基础上让图像编码的潜在向量服从高斯分布从而实现图像的生成，优化了数据对数似然的下界，VAE在图像生成上是可并行的， 但是VAE存在着生成图像模糊的问题 生成对抗网络（GAN） GAN的思想就是利用博弈不断的优化生成器和判别器从而使得生成的图像与真实图像在分布上越来越相近。GAN生成的图像比较清晰，在很多GAN的拓展工作中也取得了很大的提高。 图像到图像的转换可分为有监督和无监督两大类，根据生成结果的多样性又可分为一对一生成和一对多生成两类： 有监督下图像到图像转换 在原始GAN中，因为输出仅依赖于随机噪声，所以无法控制生成的内容。 总结 GAN在图像生成和转换中的巨大潜力已经得到研究证明，利用GAN进行图像到图像间的生成和转换最好已经到达几乎无法分辨的地步。
2.4K21发布于 2019-05-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号