这个懂中文的AI高手,画出的高山明月太惊艳!中英双语AltDiffusion模型已开源
欢迎各位小伙伴来到golang学习网,相聚于此都是缘哈哈哈!今天我给大家带来《这个懂中文的AI高手,画出的高山明月太惊艳!中英双语AltDiffusion模型已开源》,这篇文章主要讲到等等知识,如果你对科技周边相关的知识非常感兴趣或者正在自学,都可以关注我,我会持续更新相关文章!当然,有什么建议也欢迎在评论留言提出!一起学习!
日前,智源研究院大模型研究团队开源最新双语 AltDiffusion 模型,为中文世界带来专业级 AI 文图创作的强劲动力:
支持精细长中文 Prompts 高级创作;无需文化转译,从原汁原味中国话直达形神兼备中国画;且在绘画水平上达到低门槛中英对齐原版 Stable Diffusion 级震撼视效,可以说是讲中文的世界级 AI 绘画高手。
创新模型 AltCLIP 为这一工作的基石,为原 CLIP 模型补齐更强的跨语言三大能力。AltDiffusion 和 AltCLIP 模型均为多语言模型,中英双语为第一阶段工作,代码与模型已开源。
AltDiffusion
https://github.com/FlagAI-Open/FlagAI/tree/master/examples/AltDiffusion
AltCLIP
https://github.com/FlagAI-Open/FlagAI/examples/AltCLIP
HuggingFace space试玩地址:
https://huggingface.co/spaces/BAAI/bilingual_stable_diffusion
技术报告
https://arxiv.org/abs/2211.06679
专业级中文 AltDiffusion
——长Prompt精细绘画 + 原生中国风,满足中文AI创作高手的高需求
得益于以 AltCLIP 为基础的强大中英双语言对齐能力,AltDiffusion 达到近似于 Stable Diffusion 程度的视效水平,尤其具备更懂中国话、更善中国画的独特优势,非常值得专业级中文AI文图创作者期待。
1. 长Prompt生成,画面效果毫不逊色
Prompt长短是检验模型文图生成能力的分水岭,越长的Prompt,越考验语言理解、图文对齐和跨语言这三大能力。
在同样的中英文长 Prompt 输入调校下,AltDiffusion 在不少图片生成案例中表现力甚至更胜一筹:元素构成丰富精彩、细节描摹细腻精准。
2. 更懂中国话,更善中国画
除中英文 Prompts 输入表现近似之外,AltDiffusion 还能补齐西方世界里中国画风的不足,利用中文图文对继续微调出中文特色的生成,例如国画风格生成模型,产出真正的「中国风」。
AltDiffusion 更懂中文,在中国文化语境中的意义描摹上指哪打哪,秒懂创作者意图。例如对「唐朝盛景」的描绘,避免出现因文化误解而产生的跑题情况。
尤其对原生于中国文化的概念,理解与表现更为精确,得以避免「日本风」与「中国风」混淆,令人啼笑皆非的状况。例如,与Stable Diffusion在中英文输入对应唐装人物风格的Prompts,差异一目了然:
在特定风格的生成中,会原生以中文文化语境为身份主体,进行风格创作,例如对于下面带有「古建筑」的prompt,会默认生成中国古代建筑。在创作风格上更加贴合中文创作者身份。
3. 中英双语,生成效果对齐
AltDiffusion基于Stable Diffusion,通过将原来Stable Diffusion中的CLIP替换成AltCLIP,并且用中英文图文对对模型进行进一步的训练得到。得益于 AltCLIP 强大的语言对齐能力,AltDiffusion 的生成效果在英文上与 Stable Diffusion 很接近,在中英文双语的表现上也体现了一致性。
如「戴帽子小狗」的同义中英文Prompts输入AltDiffusion后,生成画面效果基本对齐,一致性极高:
在对「男孩」的画面增加描述词为「中国男孩」之后,在原小男孩形象基础上,精准调整成典型「中国」孩子,在语言控制生成中展现出极佳语言理解能力和精准的生成表达结果。
打通StableDiffusion原生态
——丰富生态工具与PromptsBook应用,可玩性极佳
特别值得一提的是 AltDiffusion 的生态打通能力:
所有支持Stable Diffusion的工具如Stable Diffusion WebUI,DreamBooth等都可应用在我们的中英双语 Diffusion 模型上,为中文AI创作提供了丰富选择:
1. Stable Diffusion WebUI
一个优秀的文图生成、文图编辑的网页工具;当我们把北大夜景图霍格沃茨(prompt: Hogwarts)化,瞬间即可呈现梦幻的魔法世界;
2. DreamBooth
通过少量样本对模型进行调试以生成特定的风格的工具;通过这一工具,在AltDiffusion上利用少量中文图片即可生成特定风格,比如「大闹天宫」风格。
3. 充分利用社区Stable Prompts Book
Prompts 对于生成模型非常重要,社区用户通过大量 prompts 尝试,积累出丰富的生成效果案例。这些宝贵的 prompts 经验,对于 AltDiffusion 用户几乎全都适用!
此外,还可以通过混合中英文方式去搭配一些神奇的风格和元素,或继续挖掘对AltDiffusion适用的中文Prompts。
4. 方便中文创作者微调
开源的AltDiffusion提供了中文生成模型的一个基础,大家可以在这个基础上用更多特定领域的中文数据进行模型微调,方便中文创作者表达。
以首个双语 AltCLIP 为基石
——全面增强跨语言三大能力,中英对齐、中文更优,极低门槛
语言理解,图文对齐,跨语言能力,是跨语言研究必备的三种能力。
AltDiffusion 的诸多专业级能力,源于 AltCLIP 以创新性换塔思路,在这三大能力上全面增强:与原 CLIP 中英文语言对齐能力大大提高,可以无缝接入 Stable Diffusion 等所有建立在原 CLIP 上的模型和生态工具;同时赋予其强悍的中文能力,在多项数据集取得中文更优效果。(详细解读请参考技术报告)
值得一提的是,这种对齐方法对训练多语言多模态表征模型的门槛大大降低,相对于重新去做中文或者英文的图文对预训练,只需约 1% 的计算资源与图文对数据。
在全面CLIP benchmark中取得了和英文原版一致效果
在一些检索类数据集上如Flicker-30K上超过了原版
Flicker-30K上表现效果超过原版CLIP
中文ImageNet上zero-shot结果最优
以上就是《这个懂中文的AI高手,画出的高山明月太惊艳!中英双语AltDiffusion模型已开源》的详细内容,更多关于AI,模型的资料请关注golang学习网公众号!

- 上一篇
- 如果计算机在病毒扫描期间关闭,将应用 4 个修复程序

- 下一篇
- Apple 计划为 Beats Studio Buds 推出三种新颜色
-
- 忧虑的砖头
- 写的不错,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢博主分享博文!
- 2023-05-10 18:13:14
-
- 默默的睫毛膏
- 很详细,已加入收藏夹了,感谢大佬的这篇文章内容,我会继续支持!
- 2023-05-04 13:18:12
-
- 还单身的魔镜
- 这篇博文太及时了,很详细,很棒,已收藏,关注作者大大了!希望作者大大能多写科技周边相关的文章。
- 2023-05-04 01:38:52
-
- 科技周边 · 人工智能 | 1分钟前 |
- 拼多多商家看过来!DeepSeek一键生成超全营销话术教程
- 414浏览 收藏
-
- 科技周边 · 人工智能 | 11分钟前 |
- AI生成证件照,未来趋势大起底
- 223浏览 收藏
-
- 科技周边 · 人工智能 | 19分钟前 |
- 即梦AI如何添加片头片尾?超详细教程来了!
- 338浏览 收藏
-
- 科技周边 · 人工智能 | 22分钟前 |
- AI生成证件照?手把手教你背后的黑科技
- 208浏览 收藏
-
- 科技周边 · 人工智能 | 29分钟前 |
- DeepSeek集成Teams超简单!微软生态使用全指南
- 316浏览 收藏
-
- 科技周边 · 人工智能 | 32分钟前 |
- 即梦AI误删作品怎么找回?超简单教程助你快速恢复
- 345浏览 收藏
-
- 科技周边 · 人工智能 | 40分钟前 |
- 即梦AI怎么导出社交媒体?保姆级教学带你轻松上手
- 459浏览 收藏
-
- 科技周边 · 人工智能 | 46分钟前 |
- 通灵义码使用技巧大揭秘,手把手教你快速上手!
- 398浏览 收藏
-
- 科技周边 · 人工智能 | 56分钟前 |
- 即梦AI每日任务不懂?手把手教你轻松拿奖励
- 301浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- 手把手教你用豆包AI蹭热点神图生成法,轻松暴涨80%播放量!
- 388浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 484次学习
-
- 互联网信息服务算法备案系统
- 了解互联网信息服务算法备案系统,掌握如何进行算法备案的详细步骤和要求,确保您的互联网服务合规运营。
- 57次使用
-
- 魔匠AI
- SEO摘要魔匠AI专注于高质量AI学术写作,已稳定运行6年。提供无限改稿、选题优化、大纲生成、多语言支持、真实参考文献、数据图表生成、查重降重等全流程服务,确保论文质量与隐私安全。适用于专科、本科、硕士学生及研究者,满足多语言学术需求。
- 103次使用
-
- PPTFake答辩PPT生成器
- PPTFake答辩PPT生成器,专为答辩准备设计,极致高效生成PPT与自述稿。智能解析内容,提供多样模板,数据可视化,贴心配套服务,灵活自主编辑,降低制作门槛,适用于各类答辩场景。
- 135次使用
-
- Lovart
- SEO摘要探索Lovart AI,这款专注于设计领域的AI智能体,通过多模态模型集成和智能任务拆解,实现全链路设计自动化。无论是品牌全案设计、广告与视频制作,还是文创内容创作,Lovart AI都能满足您的需求,提升设计效率,降低成本。
- 257次使用
-
- 美图AI抠图
- 美图AI抠图,依托CVPR 2024竞赛亚军技术,提供顶尖的图像处理解决方案。适用于证件照、商品、毛发等多场景,支持批量处理,3秒出图,零PS基础也能轻松操作,满足个人与商业需求。
- 124次使用
-
- GPT-4王者加冕!读图做题性能炸天,凭自己就能考上斯坦福
- 2023-04-25 501浏览
-
- 单块V100训练模型提速72倍!尤洋团队新成果获AAAI 2023杰出论文奖
- 2023-04-24 501浏览
-
- ChatGPT 真的会接管世界吗?
- 2023-04-13 501浏览
-
- VR的终极形态是「假眼」?Neuralink前联合创始人掏出新产品:科学之眼!
- 2023-04-30 501浏览
-
- 实现实时制造可视性优势有哪些?
- 2023-04-15 501浏览