擴散模型進軍專業圖層，斯坦福提出LayerDiffuse實現分層擴散，效果直逼商業網站

AIGC動態歡迎閱讀

原標題：擴散模型進軍專業圖層，斯坦福提出LayerDiffuse實現分層擴散，效果直逼商業網站
關鍵字：圖像,模型,作者,前景,本文
文章來源：大數據文摘
內容字數：9039字

內容摘要：

大數據文摘受權轉載自將門創投
目前，視覺擴散生成模型（如Stable Diffusion等）在常規圖像生成任務上獲得了非常好的效果，但是在內容制作的專業領域，例如對圖像進行透明分層制作，現有的方法仍然缺乏這種功能。本文介紹一篇來自斯坦福大學的工作，本文提出了一種名為LayerDiffuse的新型擴散方法，LayerDiffuse允許我們大規模預訓練擴散模型來生成專業的透明圖層。
本文探索了一種“latent transparency”（隱透明度）的概念，通過將alpha通道的透明度編碼到預訓練擴散模型的隱空間流形中，并將對透明度的調節設置為對隱空間流形的偏移量。LayerDiffuse僅對基礎預訓練隱空間的分布進行了微小的修改，這樣可以保留預訓練擴散隱空間的圖像生成質量。作者表示，LayerDiffuse可以應用在多種不同的開源圖像生成模型中，來實現圖像前景/背景條件層生成、結構引導生成等復雜的功能。
此外，本文的實驗結果也表明，相比普通做法（先生成圖像再摳圖），LayerDiffuse直接生成的透明圖層圖像在大多數情況下（97%）更受用戶歡迎。并且作者還將LayerDiffuse與專

原文鏈接：擴散模型進軍專業圖層，斯坦福提出LayerDiffuse實現分層擴散，效果直逼商業網站

聯系作者

文章來源：大數據文摘
作者微信：BigDataDigest
作者簡介：普及數據思維，傳播數據文化