


ControlNet의 대규모 업데이트: 그림 스타일을 그대로 유지하면서 프롬프트 단어에만 의존하여 정확한 P 드로잉을 만들 수 있습니다. 네티즌: 효과는 맞춤형 대형 모델과 비슷합니다.
안정적인 확산 플러그인 "AI 페인팅 세부 제어 마스터" ControlNet에서 주요 업데이트를 환영합니다.
텍스트 프롬프트를 사용하여 이미지의 주요 기능을 유지하면서이미지 세부 정보를 임의로 수정
하세요.예를 들어, 아름다운 여성의 모습을 머리에서 옷으로 바꾸고 그녀의 표정
을 더욱 친근하게 만들어보세요.또는 모델에게 옆집의 귀여운 소녀를 멋진 소녀로 바꿔보세요. 아가씨 , 몸과 머리의 방향, 배경
이 모두 변경되었습니다.위의 변환을 완료하려면 참조 사진이 하나만 필요하며 일부 사진은 맞춤형 대형 모델
효과를 거의 얻을 수 있습니다. 에헴 AI그림계 친구들 힘내세요 또 재밌는 일이 생겼네요.(ps. 첫 번째 및 세 번째 렌더링은 블로거 @Olivio Sarikas, 두 번째 렌더링은 Twitter 블로거 @sundyme)
ControlNet의 새로운 기능: 원본 그림 스타일을 유지하는 리터칭 기능위 업데이트 , 실제로 "참조 전용"
이라는 전처리기를 나타냅니다.제어 모델이 필요하지 않으며 참조 이미지를 직접 사용하여 확산을 유도할 수 있습니다.
작가는 이 기능이 실제로 "inpaint" 기능과 비슷하지만 이미지가 무너지지는 않는다고 말했습니다.(Inpaint는 Stable Diffusion 웹 UI의 부분 다시 그리기 기능으로, 수동으로 마스크 처리한 불만족스러운 부분을 다시 그릴 수 있습니다.)
숙련된 플레이어 중 일부는 inpaint를 사용하여 이미지 확산을 수행하는 요령을 알고 있을 수도 있습니다. 예를 들어, 개에 대한 512x512 이미지가 있고 동일한 개를 사용하여 또 다른 512x512 이미지를 생성하려고 합니다. 이때, 512x512 개 이미지와 512x512 공백 이미지를 1024x512 이미지로 연결한 후 inpaint 기능을 사용하여 공백 512x512 부분을 마스크 처리하고 비슷한 모습의 강아지 이미지를 확산시킬 수 있습니다. 이 과정에서 이미지가 단순하고 대략적으로 이어져 있고 왜곡이 발생하기 때문에 일반적으로 효과가 만족스럽지 않습니다. "참조 전용"의 경우 다릅니다.SD의 주의 레이어(예: "안정적인 확산")
를 독립적인 이미지에 직접 연결할 수 있으므로 SD가 이러한 이미지를 참조로 직접 읽을 수 있습니다. 즉, 원본 이미지의 스타일을 유지하면서 수정하고 싶다면 프롬프트 단어를 사용하여 원본 이미지에서 직접 작업할 수 있습니다. 공식 예시 사진에 표시된 것처럼 서 있는 강아지를 달리는 동작으로 변경합니다.ControlNet을 버전 1.1.153
이상으로 업그레이드한 다음 "참조 전용"을 선택하기만 하면 됩니다. " 전처리기로서 개 사진을 업로드하고 "초원에서 달리는 개, 최고 품질..."이라는 프롬프트 단어를 입력하면 SD는 해당 사진을 참조용으로만 사용하여 수정합니다. 네티즌: 지금까지 ControlNet의 최고 기능"참조 전용" 기능이 나오자마자 많은 네티즌들이 이를 경험하기 시작했습니다. 어떤 사람들은 이것을 지금까지 ControlNet의 가장 좋은 기능이라고 부릅니다. 캐릭터 포즈가 포함된 애니메이션 사진을 업로드한 다음 원본 사진과 전혀 관련이 없는 것처럼 보이는 프롬프트를 작성합니다. 갑자기 원본 이미지에서 원하는 효과가 나옵니다. 게임의 규칙을 바꿀 만큼 강력합니다.이전에 폐기되었던 쓸모없는 사진을 모두 수거하여 다시 수리할 시간입니다.
물론 그렇게 완벽하지 않다고 생각하시는 분들도 계시죠 (예를 들어 처음에 미인의 귀걸이가 1차 렌더링이 틀렸고, 2번째 사진의 헤어도 불완전하네요) 하지만 네티즌들은 여전히 “결국 방향은 맞다”고 말했다.
다음은 세 명의 트위터 블로거가 시도한 효과입니다. 주로 애니메이션 스타일을 중심으로 함께 즐겨보세요.
Δ @新宫라리のAI이라스트뉴
@br_d님의
Δ 왼쪽이 @br_d님의 원본
Δ, 이전 사진은 @br_d님의 사진입니다.
Δ @uoyuki667님 왼쪽 사진 원본
마음에 와 닿으셨나요?
위 내용은 ControlNet의 대규모 업데이트: 그림 스타일을 그대로 유지하면서 프롬프트 단어에만 의존하여 정확한 P 드로잉을 만들 수 있습니다. 네티즌: 효과는 맞춤형 대형 모델과 비슷합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.

이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은

Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다

Google이 추진하는 JAX의 성능은 최근 벤치마크 테스트에서 Pytorch와 TensorFlow를 능가하여 7개 지표에서 1위를 차지했습니다. 그리고 JAX 성능이 가장 좋은 TPU에서는 테스트가 이루어지지 않았습니다. 개발자들 사이에서는 여전히 Tensorflow보다 Pytorch가 더 인기가 있습니다. 그러나 앞으로는 더 큰 모델이 JAX 플랫폼을 기반으로 훈련되고 실행될 것입니다. 모델 최근 Keras 팀은 기본 PyTorch 구현을 사용하여 세 가지 백엔드(TensorFlow, JAX, PyTorch)와 TensorFlow를 사용하는 Keras2를 벤치마킹했습니다. 첫째, 그들은 주류 세트를 선택합니다.

AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

테슬라의 로봇 옵티머스(Optimus)의 최신 영상이 공개됐는데, 이미 공장에서 작동이 가능한 상태다. 정상 속도에서는 배터리(테슬라의 4680 배터리)를 다음과 같이 분류합니다. 공식은 또한 20배 속도로 보이는 모습을 공개했습니다. 작은 "워크스테이션"에서 따고 따고 따고 : 이번에 출시됩니다. 영상에는 옵티머스가 공장에서 이 작업을 전 과정에 걸쳐 사람의 개입 없이 완전히 자율적으로 완료하는 모습이 담겨 있습니다. 그리고 Optimus의 관점에서 보면 자동 오류 수정에 중점을 두고 구부러진 배터리를 집어 넣을 수도 있습니다. NVIDIA 과학자 Jim Fan은 Optimus의 손에 대해 높은 평가를 했습니다. Optimus의 손은 세계의 다섯 손가락 로봇 중 하나입니다. 가장 능숙합니다. 손은 촉각적일 뿐만 아니라

FP8 이하의 부동 소수점 수량화 정밀도는 더 이상 H100의 "특허"가 아닙니다! Lao Huang은 모든 사람이 INT8/INT4를 사용하기를 원했고 Microsoft DeepSpeed 팀은 NVIDIA의 공식 지원 없이 A100에서 FP6을 실행하기 시작했습니다. 테스트 결과에 따르면 A100에 대한 새로운 방법 TC-FPx의 FP6 양자화는 INT4에 가깝거나 때로는 더 빠르며 후자보다 정확도가 더 높은 것으로 나타났습니다. 또한 오픈 소스로 제공되고 DeepSpeed와 같은 딥 러닝 추론 프레임워크에 통합된 엔드투엔드 대규모 모델 지원도 있습니다. 이 결과는 대형 모델 가속화에도 즉각적인 영향을 미칩니다. 이 프레임워크에서는 단일 카드를 사용하여 Llama를 실행하면 처리량이 듀얼 카드보다 2.65배 더 높습니다. 하나
