text-to-image model | BriefGPT

关键词text-to-image model

搜索结果 - 27

MovieFactory: 利用大型语言和图像生成模型从文本自动生成电影
本篇论文介绍了 MovieFactory 框架，用于根据自然语言需求生成影视作品，其中自动化电影生成模型、自然语言处理方法、文本到图像模型、音频检索等方法都有所涉及。
PDFa year ago
TaleCrafter: 多角色交互式故事可视化
本文提出了一个通用的交互式故事可视化系统，该系统涵盖了故事到提示生成，文本到布局生成，可控文本到图像生成和图像到视频动画四个组件，允许用户处理多个新角色和灵活修改布局与结构。
PDFa year ago
InstantBooth: 个性化文本图像生成（无测试时间微调）
提出了一种名为 InstantBooth 的方法，该方法通过学习图像概念的文本标记和适配层，无需进行测试时间微调即可实现文本引导图像个性化生成，并在语言 - 图像对齐、图像保真度和身份保护等方面获得了竞争性结果，速度快 100 倍。
PDFa year ago
跟随你的姿势：使用无姿态视频进行姿势引导的文本到视频生成
本研究提出一种新的双阶段训练方法，可利用易获得的数据集和预训练的 text-to-image（T2I）模型，生成可编辑和姿态可控的字符视频。这种方法成功地生成了连续的姿态可控字符视频，同时保持了预训练 T2I 模型的编辑和概念构成能力。
PDFa year ago
InstructPix2Pix: 学习图像编辑指令
我们提出了一种图像编辑方法，可以根据用户的书面指令编辑图像，同时我们结合了两个预训练模型的知识生成了大量训练数据，使用训练好的模型可以快速地编辑图像，并且可以适用于不同的输入图像和书面指令。
PDF2 years ago
UniTune: 通过微调图像生成模型对单个图像进行文本驱动的图像编辑
UniTune 是一种简单而新颖的文本驱动图像编辑方法，它使用文本作为直观的艺术指导界面并且无需其他输入。该方法的核心在于观察到，通过选择合适的参数，我们可以在单个图像上对大型文本到图像扩散模型进行微调，从而鼓励模型保持对输入图像的忠实性，
PDF2 years ago
GR-GAN: 逐步细化的文本到图像生成
本文提出了一种渐进式精炼生成对抗网络 (GR-GAN) 用于高效解决生成图像与文本约束的一致性问题；包括 GRG 模块，ITM 模块以及新指标 CMD 的引入，并在实验中表现出了显著的优势。
PDF2 years ago