Deep Image Blend February 9, 2024 less than 1 minute read Deep Image Blend 针对泊松融合的局限性,作者提出了Deep Image Blend 泊松融合主要是参考融合边界处的像素信息,进行梯度最小的优化融合算法。 本论文主要联合优化了3种不同的损失 泊松融合损失、风格损失和内容损失 风格损失合内容损失主要引入VGG的风格化向量 通过迭代的方法保证了边界的过度 论文还涉及了正则化损失,包括直方图损失和总变差损失,以提高图像的平滑度和稳定风格转换。 Twitter Facebook LinkedIn Previous Next
SparseCtrl: Adding Sparse Controls to Text-to-Video Diffusion Models February 9, 2024 less than 1 minute read SparseCtrl 论文主要验证了稀疏控制在text2video方面的作用 原本的条件控制主要在稠密的视频流生成中起作用,但通过稀疏信号的控制一样可以得到较好的结果 该方法在预训练的T2V模型之上增加了一个附加的条件编码...
AnimeDiff February 9, 2024 less than 1 minute read AnimeDiff 论文主要使用stablediffusion中增加animediff模块进行动画学习 AnimeDiff包含3个模块 domain adapter ...