-
【Stable Diffusion】最强模型——Flux推荐和下载
前言 Flux是一个由黑森林实验室（Black Forest Lab）推出的模型，开发人员由Stable Diffusion前离职人员构成。做到了很多SD和MJ都做不到或者很难做到的事情。其特点主要如下： 参数规模大****：官方号称模型有12B...
-
一文看懂llama2（原理&模型&训练）
Llama2（大型语言模型2） Llama2（大型语言模型2）主要基于近年来火爆的Transformer架构。下面是Llama2的几个核心原理： Transformer 架构: Llama2采用了Transformer网络，它通过自注意力机制来处理...
-
stable diffusion--小白学习步骤
1.看一下Unet网络的讲解_哔哩哔哩_bilibili，了解Unet网络 2.看一下【生成式AI】Diffusion Model 原理剖析 (1/4 _哔哩哔哩_bilibili，起码要看前3/6个视频 3.看一下超详细的扩散模型（Diffusion...
-
MiraData: A Large-Scale Video Dataset with Long Durations and Structured Captions
Paper name MiraData: A Large-Scale Video Dataset with Long Durations and Structured Captions Paper Reading Note Paper URL: ht...
-
江大白 | 视觉Transformer与Mamba的创新改进，完美融合（附论文及源码）
本文来源公众号“江大白”，仅用于学术分享，侵权删，干货满满。 原文链接：视觉Transformer与Mamba的创新改进，完美融合（附论文及源码） 以下文章来源于微信公众号：AI视界引擎 作者：AI引擎 链接：https://mp.weixin.q...
-
Positional Encoding | 位置编码【详解】
文章目录 1、位置编码的2种方案 2、位置编码 3、公式详解 ： 绝对位置 、 相对位置 4、代码 4.1 代码1 4.2 代码2 1、位置编码的2种方案 transformer的作者刚开始说固定的位置编码和可学习的位置...
-
大白话讲透AI画图：Stable Diffusion
Stable Diffusion 是一种从文本生成 AI 图像的潜空间扩散模型，它不是在高维图像空间中操作，而是首先将图像压缩到潜在空间（latent space）中。 我们将深入了解它的工作机制。知道工作机制有什么用？除了其本身就是个非常值得了解的内容...
-
AI加持、男人的“美图秀秀”，登顶iOS总榜
上周六，一款名为 GigaBody: AI Muscle filter 的产品，超过暑期大热门铁路12306，一举登上中国区 iOS 下载榜 Top1。这款产品被大家戏称为“男人的’美图秀秀’”，主要能实现一键加肌肉的身材美化，所谓“小手一点，少练10年”...
-
AI模仿人类已经out了，现在人类模仿AI才是流量密码
人类对AI的应用已然到next level了。 前不久用AI修复老照片火爆全网，许多网友用可灵、即梦等AI工具让老照片重新“动”了起来，跨越时空的影像令人动容。 抖音#AI修复老照片#话题下的视频播放量超1.3亿，我们看到过去的黑白照片变得栩栩如生，那些美...
-
人类还在怕鬼，AI已经开始害怕自己了。
昨天中元节，我本来一直打算做一个关于中式恐怖的视频，来呼应一下这个节日氛围。 带着这个想法，我开始在网上搜寻灵感。 然而，我在B站上看到的一个视频彻底改变了我的计划。 这个视频，是这样的，来自B站UP主@明天的心声-，名字叫做:《随手拍的一张医院走廊的照片...
-
面完 AIGC 大模型算法岗，心态崩了。。。
大家好，今天我们继续聊聊 AI 科技圈发生的那些事。 内容包括：AI 科技圈最新动态和最新面试题总结。 Meta 推新一代 SAM 2 图像识别再进化！Meta 推新一代SAM 2 官方链接：https://ai.meta.com/blog/se...
-
magic-animate_pytorch AIGC使图像中人物按照给定动作动起来
magic-animate 论文 MagicAnimate: Temporally Consistent Human Image Animation using Diffusion Model https://arxiv.org/pdf/2311.1...
-
【机器学习】Google开源大模型Gemma2：原理、微调训练及推理部署实战
目录 一、引言 二、模型简介 2.1 Gemma2概述 2.2 Gemma2 模型架构 三、训练与推理 3.1 Gemma2 模型训练 3.1.1 下载基座模型 3.1.2 导入依赖库 3.1.3 量化配置 3.1.4 分词器和模型实...
-
AIGC-ToonCrafter: Generative Cartoon Interpolation-CVPR2024
论文:https://arxiv.org/pdf/2405.17933 代码:https://doubiiu.github.io/projects/ToonCrafter 给定首尾帧，生成逼真生动的动画，动画插值生成 MOTIVATION T...
-
Llama 3.1横空出世！开源巨无霸首次击溃闭源，全民GPT-4时代来临
新智元2024-07-24 12:30北京 编辑：编辑部 【新智元导读】大模型格局，再次一夜变天。Llama 3.1 405B重磅登场，在多项测试中一举超越GPT-4o和Claude 3.5 Sonnet。史上首次，开源模型击败当今最强闭源模型。小扎大...
-
小说推文营销号玩法!利用速推AI绘画软件!一天可制作100+视频!
小说推文营销号玩法!利用速推AI绘画软件!一天可制作100+视频! 营销号工具使用教程： https://iimenvrieak.feishu.cn/wiki/ZlkkwfoFki6BAkkA96pc9mG5ntehttps://iimenvriea...
-
免费替代Midjourney！FLUX.1使用方法大全，支持ComfyUI
一：Flux.1概述 1.1 它是什么 如果你想直接查看使用教程，MeoAI建议你直接跳到第四章：4种使用方法教程。 Flux.1是由Black Forest Labs开发的一款开源AI图像生成模型。这个模型继承了Stable Diffusion...
-
探索中文大模型的新高度：Chinese-LLaMA-Alpaca-3
探索中文大模型的新高度：Chinese-LLaMA-Alpaca-3 Chinese-LLaMA-Alpaca-3中文羊驼大模型三期项目 (Chinese Llama-3 LLMs developed from Meta Llama 3项目地址:ht...
-
「AIGC」大语言模型系列-Transformer详解
Transformer模型相对复杂，下面我将提供一个简化版的Transformer模型的Python代码示例，使用PyTorch库实现。这个示例将包括模型的基本结构，如编码器和解码器，自注意力机制，位置编码，以及前馈网络。 请注意，这个示例主要用于教...
-
Stable Diffusion之最全详细图解
Stable Diffusion是一种生成模型，用于生成高质量的图像。这种模型基于扩散过程，能够逐步将噪声转换为清晰的图像。以下是关于Stable Diffusion的详细图解，涵盖其原理、模型结构、训练过程及应用示例。 一、Stable Diffusi...
-
AI绘画Stable Diffusion：超强InstantID插件—面部特征一致性风格保持与迁移，轻松搞定私人写真摄影，SDWebUI使用指南
大家好，我是设计师阿威 最近经常有同学问到AI绘画Stable Diffusion 关于风格迁移IPA、Instant ID等安装和使用方法，内容虽基础但也属常用工具。因此，本文将核心介绍Instant ID 使用和墨幽人造人XL体验（这是一款可出图商用...
-
stable diffusion中的UNet2DConditionModel代码解读
UNet2DConditionModel总体结构图片来自于 https://zhuanlan.zhihu.com/p/635204519 stable diffusion 运行unet部分的代码。 noise_pred = self.unet(...
-
如何定量分析 Llama 3，大模型系统工程师视角的 Transformer 架构
读完全文后，你将获得回答以下问题的能力（参考答案，请见最后一章节）： Llama 3 技术博客说 70B 模型、最长序列 8K、15T Tokens，训练了 640w GPU 时，这发挥了 H100 理论算力（989TFlops）的百分之多少?...
-
比OpenAI的Whisper快50%，最新开源语音模型
生成式AI初创公司aiOla在官网开源了最新语音模型Whisper-Medusa，推理效率比OpenAI开源的Whisper快50%。 aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个t...
-
LLM大语言模型-ChatGPT、LLaMA、ChatGLM、文心一言、通义千问
LLM大语言模型-ChatGPT、LLaMA、ChatGLM、文心一言、通义千问 一、LLM与PLM主要区别： LLM表现出PLM所没有的Emergent Abilities（涌现能力）,这些能力是LLM在复杂任务上表现惊人的关键，使得得人工智能算...
-
Gaussian Splatting+Stable Diffusion进行3D场景编辑！腾讯提出TIP-Editor新框架！
Gaussian Splatting+Stable Diffusion进行3D场景编辑！腾讯提出TIP-Editor新框架！ 原创 小源 数源AI 2024-01-29 20:19 浙江 数源AI 知识星球 数源AI论文推荐知识星球（每日最新论文及资...
-
贾扬清：大模型尺寸正在重走CNN的老路；马斯克：在特斯拉也是这样
Transformer大模型尺寸变化，正在重走CNN的老路! 看到大家都被LLaMA3.1吸引了注意力，贾扬清发出如此感慨。 拿大模型尺寸的发展，和CNN的发展作对比，就能发现一个明显的趋势和现象: 在ImageNet时代，研究人员和技术从业者见证了参数规...
-
【AI学习】LLaMA 系列模型的进化（二）
在前面LLaMA 系列模型的进化（一）中学习了LLama模型的总体进化发展，再来看看其中涉及的一些重要技术。 PreLayerNorm Layer Norm有Pre-LN和Post-LN两种。Layer Normalization（LN）在Trans...
-
深度解读AIGC技术背后的算法原理
深度解读AIGC技术背后的算法原理 欢迎光临未来的文字工厂：AIGC的奇妙世界 想象力的火花：AIGC技术如何让创作焕发新生 从零到英雄：AIGC背后的核心算法简史 拨开云雾见青天：解密AIGC的算法基础 语言模型：词与句的舞蹈编排师 深...
-
一文速览Llama 3.1——对其92页paper的全面细致解读：涵盖语言、视觉、语音的架构、原理
前言 按我原本的计划，我是依次写这些文章：解读mamba2、解读open-television、我司7方面review微调gemma2，再接下来是TTT、nature审稿微调、序列并行、Flash Attention3.. 然TTT还没写完，7.23日...
-
Stable Diffusion系列（六）：原理剖析——从文字到图片的神奇魔法（潜空间篇）
文章目录 LDM 概述 原理 模型架构 自编码器模型 扩散模型 条件引导模型 图像生成过程 实验结果 指标定义 IS（越大越好） FID（越小越好） 训练成本与采样质量分析 不带条件的图片生成 基于文本的图片生成 基于语义框的图片生...
-
AI多模态模型架构之LLM主干(3)：Llama系列
〔探索AI的无限可能，微信关注“AIGCmagic”公众号，让AIGC科技点亮生活〕 本文作者：AIGCmagic社区 刘一手 前言 AI多模态大模型发展至今，每年都有非常优秀的工作产出，按照当前模型设计思路，多模态大模型的架构主要包括...
-
LLama 405B 技术报告解读
LLama 405B 技术报告解读 果然传的消息都是真的，meta在24号凌晨发布了llama 3的405B版本，这次还是做一个技术报告解读。 值得一提的是，在技术报告的开头，meta特意强调了一个 Managing complexity，大意是管控...
-
天才程序员周弈帆 | Stable Diffusion 解读（三）：原版实现源码解读(篇幅略长，建议收藏！)
本文来源公众号“天才程序员周弈帆”，仅用于学术分享，侵权删，干货满满。 原文链接：Stable Diffusion 解读（三）：原版实现源码解读 天才程序员周弈帆 | Stable Diffusion 解读（一）：回顾早期工作-CSDN博客 天才程序...
-
Pixel-Aware Stable Diffusion for Realistic Image Super-Resolution and Personalized Stylization
香港理工大学&bytedance&alibaba https://github.com/yangxy/PASD/ https://arxiv.org/pdf/2308.14469 问题引入 当前的基于SD的方法缺乏对图片结构的保持，所以本...
-
【大语言模型LLMs】Llama系列简介
【大语言模型LLMs】Llama系列简介 文章目录 【大语言模型LLMs】Llama系列简介 1. LLaMa 1.1 引言 1.2 方法 1.2.1 预训练数据 1.2.2 架构 1.2.3 优化器 1.2.4 效率 2....
-
AI应用的流量“炼金术”
“五个离职同事里，至少有三个人在搞应用”，一位刚从大厂离职的员工告诉光子星球。 大厂高管出走、组团找融资，大热项目组成员离职看应用，是目前AI赛道最真实的写照。 进入2024年，模型层大局已定，鲜少有新玩家能够进入。而卷生卷死的AI应用，门槛不高，投入成本...
-
一文看懂 LLaMA 2：原理与模型训练介绍
近年来，人工智能领域的进展使得自然语言处理（NLP）技术得到了显著提升。LLaMA 2 是一种先进的语言模型，它在处理语言生成和理解任务上表现出色。本文将介绍 LLaMA 2 的基本原理、模型结构以及训练方法，帮助你全面了解这一技术。 1. LLaMA...
-
一文者懂LLaMA 2（原理、模型、训练）
引言 LLaMA（Large Language Model Meta AI）是Meta（前身为Facebook）开发的自然语言处理模型家族之一，LLaMA 2作为其最新版本，展示了在语言理解和生成方面的显著进步。本文将详细解读LLaMA 2的基本原理、...
-
Stable Diffusion 3 论文及源码概览
天才程序员周弈帆 2024年07月13日 23:30 近期，最受开源社区欢迎的文生图模型 Stable Diffusion 的最新版本 Stable Diffusion 3 开放了源码和模型参数。开发者宣称，Stable Diffusion 3 使用了...
-
半年过去，AI视频卷到哪儿了？
自从今年年初Sora露面后，国内国外都想用AI颠覆好莱坞，近期的AI视频圈更是十分热闹，产品一个接一个发布，都喊着要赶超Sora。 国外两家AI视频初创公司率先开打，旧金山人工智能科技公司Luma推出Dream Machine视频生成模型，并扔出堪称电影级...
-
【05】LLaMA-Factory微调大模型——初尝微调模型
上文【04】LLaMA-Factory微调大模型——数据准备介绍了如何准备指令监督微调数据，为后续的微调模型提供高质量、格式规范的数据支撑。本文将正式进入模型微调阶段，构建法律垂直应用大模型。 一、硬件依赖 LLaMA-Factory框架对硬件和软件的...
-
给 ｢大模型初学者｣ 的 LLaMA 3 核心技术剖析
编者按： 本文旨在带领读者深入了解 LLaMA 3 的核心技术 —— 使用 RMSNorm 进行预归一化、SwiGLU 激活函数、旋转编码（RoPE）和字节对编码（BPE）算法。RMSNorm 技术让模型能够识别文本中的重点，SwiGLU 激活函数则如同“...
-
AIGC最大价值不是降本，而是利用内容杠杆增效
在这个信息爆炸的时代，人工智能生成内容(AIGC 技术的崛起引发了广泛讨论。表面上，许多人将AIGC视为一种降低成本的工具。然而，如果我们以纳瓦尔·拉维坎特的视角来审视，就会发现AIGC的真正价值在于它作为一种强大的知识杠杆，能够exponentially...
-
用AIGC技术打造多样的室内装修风格
随着人工智能不断进步的创造能力，AI生成内容（AIGC）技术已经成为设计行业的一大助力。本文将详细介绍相关的技术原理和细节以及它们在室内装修设计中的应用案例，为读者揭示如何利用AIGC技术打造多样且个性化的室内装修风格。...
-
提升AI绘画生成质量：探索与突破
本文由 ChatMoney团队出品 随着人工智能技术的蓬勃发展，AI绘画生成技术已成为艺术领域的一颗璀璨新星。然而，尽管AI绘画技术在模仿人类绘画风格、创作独特艺术作品等方面取得了显著进展，但其生成的图像质量仍有待提升。本文旨在深入探讨如何提升AI绘...
-
每日AIGC最新进展(35)：字节跳动提出人物肖像动画X-Portrait、字节跳动提出组合式视频编辑Edit3K、东华大学提出基于GCN的草图建模方法DC-gra2seq
Diffusion Models专栏文章汇总：入门与实战 X-Portrait: Expressive Portrait Animation with Hierarchical Motion Attention X-Portrait是由字节跳动...
-
大模型集体失智！9.11和9.9哪个大，几乎全翻车了
没眼看……“9.11和9.9哪个大”这样简单的问题，居然把主流大模型都难倒了?? 强如GPT-4o，都坚定地认为9.11更大。 谷歌Gemini Advanced付费版，同样的口径。 新王Claude3.5Sonnet，还一本正经的给出离谱的计算方法。...
-
Llama模型家族之使用 Supervised Fine-Tuning（SFT）微调预训练Llama 3 语言模型（七） 使用 LoRA 微调 LLM 的实用技巧
LlaMA 3 系列博客 基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （一） 基于 LlaMA 3 + LangGraph 在windows本地部署大模型 （二） 基于 LlaMA 3 + LangGraph 在w...
-
Diffusion【1】：SDSeg——基于Stable Diffusion的单步扩散分割！
文章目录 前言 Abstract Introduction Methods Latent Estimation Concatenate Latent Fusion Trainable Vision Encoder Experiment D...