系列文章目录本地部署StableDiffusion教程，亲测可以安装成功StableDiffusion界面参数及模型使用谷歌Colab云端部署StableDiffusion进行绘图文章目录系列文章目录前言一、AIGC是什么？二、操作步骤1.资源准备-零元开通试用套餐2.创建应用3.输入提示词生成图片4.计费参考5.释放函数资源后记前言上一篇博客我们通过GoogleColab云端部署了StableDiffusion，但是前提条件是要有谷歌账号且能正常访问谷歌网站，如果没有谷歌账号也懒得魔法上网怎么办？阿里云为StableDiffusion体验者带来了福音：官方活动链接：https://devel
文章目录（零）前言（一）局部重绘（Inpaint）（二）画布扩绘（Outpaint）（2.1）图片画布扩大（插件：OpenOutpaint）（2.2）视频无限缩放（插件：InfiniteZoom）（三）选择合适的模型（零）前言本篇主要提到图生图的扩展使用，也就是画布扩绘（Outpaint），在不改变原画的基础上，扩大画布补充内容。更多不断丰富的内容参考：🔗《继续Stable-DiffusionWEBUI方方面面研究(内容索引)》（一）局部重绘（Inpaint）我们都知道，图生图当中可以用蒙版修改/去掉图片中某一部分内容，而不改变图片其它部分。同时也有个模型pix2pix，用文字描述来改变图片中
DiffusionModel——由浅入深的理解概览扩散过程逆扩散过程损失函数总结参考Diffusionmodel是一种图片生成的范式，大量的数学公式让许多同学望而却步，但实际研究下来，它的公式推导其实大部分都在射程范围之内。本文在概览中对Diffusionmodel抛去细节做一个整体的梳理，而细节的推导会在下文的扩散过程、逆扩散过程、损失函数中展示。如果只想对Diffusionmodel有一个定性的了解而不关系推导的话，只看概览就可以了。概览扩散模型有两个过程，分别为扩散过程和逆扩散过程。如上图所示，扩散过程为从右到左（X0→XTX_0\rightarrowX_TX0→XT）的过程，表示对
欢迎使用Markdown编辑器venv“D:\Anaconda3\envs\StableDiffusion\Scripts\Python.exe”Python3.10.6|packagedbyconda-forge|(main,Oct242022,16:02:16)[MSCv.191664bit(AMD64)]Commithash:a9fed7c364061ae6efb37f797b6b522cb3cf7aa2Installingopen_clipTraceback(mostrecentcalllast):File“d:\projects\StableDiffusion\stable-diff
欢迎使用Markdown编辑器venv“D:\Anaconda3\envs\StableDiffusion\Scripts\Python.exe”Python3.10.6|packagedbyconda-forge|(main,Oct242022,16:02:16)[MSCv.191664bit(AMD64)]Commithash:a9fed7c364061ae6efb37f797b6b522cb3cf7aa2Installingopen_clipTraceback(mostrecentcalllast):File“d:\projects\StableDiffusion\stable-diff
图片转图片#一般我们有两种途径对图像进行修复：PS和InPaint，使用方法也十分多样。WebUI使用 --gradio-img2img-toolcolor-sketch 启动会带入一个插件对图片进行颜色涂抹(这里不是Inpaint)处理图片大小#Justresize:将图像调整为目标分辨率。除非高度和宽度完全匹配，否则图片会被挤压Cropandresize：调整图像大小，使整个目标分辨率都被图像填充。裁剪多余部分。Resizeandfill：调整图像大小，使整个图像在目标分辨率内。用图像的颜色填充空白区域。注意颜色#无论是3D(DAZ这样的3D模型)还是线稿，AI只识别 色彩 ，而不是线条，
StableDiffusionWebUI开源地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui 首先根据要求做以下准备工作：1.安装 Python3.10.6,安装时记得勾选"AddPythontoPATH"把Python添加到环境变量.2.安装Git环境，Git-DownloadingPackage3.用git命令把下载StableDiffusionWebUI项目: gitclonehttps://github.com/AUTOMATIC1111/stable-diffusion-webui.git4.项目下载到本地后双击
下面介绍了N卡，A卡，或CPU跑stable-diffusion-webui的方法。先看样张：1.安装python3.10.xhttps://www.python.org/downloads/2.安装GitGit-Downloads(git-scm.com)3、克隆stable-diffusion-webui项目1.新建文件夹（不能有中文，建议放在空闲比较多的硬盘上），然后再文件夹打开命令行#【非必要】如果有代理工具（比如clash），在命令行配置git的http和https代理：gitconfig--globalhttp.proxy127.0.0.1:7890gitconfig--globa
负面paintings,sketches,(worstquality:2),(lowquality:2),(normalquality:2),lowres,((monochrome)),((grayscale)),skinspots,acnes,skinblemishes,agespot,glans,extrafingers,fewerfingers,((watermark:2)),(whiteletters:1),(multinipples),badanatomy,badhands,text,error,missingfingers,missingarms,missinglegs,extra
文章目录题目简介什么是数据增强什么是DiffusionModel简单谈谈yolo和ResNetyoloResNet总结兼拆解题目简介笔者个人的毕业设计课题如下：简介：使用预训练的DiffusionModel图像生成模型生成图像，将这些生成的图像作为扩充训练集加入到2D目标检测器、2D图像分类器的训练过程。深度学习是数据驱动的，随着数据量的扩充，能够提高检测器、分类器的鲁棒性、准确性。建议的baseline:分类：ResNet检测：YOLO可以看到，给的题目难度还是比较轻松的；本次毕设的全过程会以周为单位采用博客的形式记录下来。什么是数据增强对机器学习尤其是深度学习有一定了解的朋友都会听过类似的
