Jing Gu, Yilin Wang, Nanxuan Zhao, Tsu-Jui Fu, Wei Xiong, Qing Liu, Zhifei Zhang, He Zhang, Jianming Zhang, Hyunjoon Jung, Xin Eric Wang
Neurips 2023
[Projektseite] [Papier] 

Das neue Thema wird als neues Token im Diffusionsmodell gelernt. SuggingFace bietet Skripte für das Training. Im Detail können Sie Textinversion, Dreambooth, benutzerdefinierte Diffusion oder ein anderes Konzept -Lernmodell verwenden. Stellen Sie sicher, dass Sie das Paket in den entsprechenden Anforderungen installieren.txt
Bitte wenden Sie sich an [email protected] für Kontrollpunkte.
Befolgen Sie die folgenden Schritte, um das Subjekt auszuführen:
checkpoints -Ordner ein.requirements.txt nach pip install -r requirements.txt . Beachten Sie, dass die Konzeptlernumgebung nicht für den Aufmerksamkeitswechsel geeignet ist.real-image-swap.ipynb für den Subjektwechsel.Unterschiedliche erlernte Konzepte könnten unterschiedliche Swap -Schritte für einen erfolgreichen Subjekttausch haben. Stimmen Sie den Tauschschritt und die Textaufforderung für eine bessere Leistung ab. Ein Konzeptmodell, das seine Gewichte abgestimmt hat, wird in seiner Fähigkeit zur allgemeinen Konzeptgenerierung eine Entration haben. Um das Betrug mit fotoswap zu tauschen, ist eine einzelne GPU mit 16 GB Speicher erforderlich.
@misc{gu2023photoswap,
title={Photoswap: Personalized Subject Swapping in Images},
author={Jing Gu and Yilin Wang and Nanxuan Zhao and Tsu-Jui Fu and Wei Xiong and Qing Liu and Zhifei Zhang and He Zhang and Jianming Zhang and HyunJoon Jung and Xin Eric Wang},
year={2023},
journal={Advances in Neural Information Processing Systems}
}