扩散模型进军专业图层，斯坦福提出LayerDiffuse实现分层扩散，效果直逼商业网站

AIGC动态欢迎阅读

原标题：扩散模型进军专业图层，斯坦福提出LayerDiffuse实现分层扩散，效果直逼商业网站
关键字：图像,模型,作者,前景,本文
文章来源：大数据文摘
内容字数：9039字

内容摘要：

大数据文摘受权转载自将门创投
目前，视觉扩散生成模型（如Stable Diffusion等）在常规图像生成任务上获得了非常好的效果，但是在内容制作的专业领域，例如对图像进行透明分层制作，现有的方法仍然缺乏这种功能。本文介绍一篇来自斯坦福大学的工作，本文提出了一种名为LayerDiffuse的新型扩散方法，LayerDiffuse允许我们大规模预训练扩散模型来生成专业的透明图层。
本文探索了一种“latent transparency”（隐透明度）的概念，通过将alpha通道的透明度编码到预训练扩散模型的隐空间流形中，并将对透明度的调节设置为对隐空间流形的偏移量。LayerDiffuse仅对基础预训练隐空间的分布进行了微小的修改，这样可以保留预训练扩散隐空间的图像生成质量。作者表示，LayerDiffuse可以应用在多种不同的开源图像生成模型中，来实现图像前景/背景条件层生成、结构引导生成等复杂的功能。
此外，本文的实验结果也表明，相比普通做法（先生成图像再抠图），LayerDiffuse直接生成的透明图层图像在大多数情况下（97%）更受用户欢迎。并且作者还将LayerDiffuse与专

原文链接：扩散模型进军专业图层，斯坦福提出LayerDiffuse实现分层扩散，效果直逼商业网站

联系作者

文章来源：大数据文摘
作者微信：BigDataDigest
作者简介：普及数据思维，传播数据文化