新闻中心
炒菜、雕刻、绘画、汽车人变形!MakeAnything用扩散Transformer解锁多任务过程生成
新加坡国立大学show lab的研究成果makeanything,让ai学会了分步骤创作!这项突破性研究,通过巧妙结合diffusion transformer (dit)和非对称lora技术,首次实现了高质量、跨领域的程序化序列生成,并在21类任务中展现出优异性能及强大的泛化能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

挑战与突破:AI创作的“过程”难题
以往的AI图像生成,主要集中在最终结果的呈现。而要让AI生成像绘画、手工艺等复杂作品的步骤教程,则面临三大挑战:高质量多任务数据集匮乏、步骤间逻辑关联性不足以及跨领域泛化能力有限。MakeAnything团队另辟蹊径,从数据、模型和方法三个方面入手,攻克了这些难题。
MakeAnything的核心技术:
-
海量多领域数据集: 构建了涵盖绘画、手工艺、乐高搭建、3D建模、烹饪等21个领域的超大规模数据集,包含超过24,000个标注序列,为AI学习“分步创作”提供了坚实的数据基础。
-
DiT与蛇形布局: 利用DiT模型的空间注意力机制,并创新性地采用蛇形序列布局,将多步骤图像排列成蛇形网格,强化模型对步骤顺序的感知,确保步骤间的逻辑连贯性和视觉一致性。

- 非对称LoRA: 借鉴大语言模型的HydraLoRA技术,设计了非对称LoRA,在所有数据集上微调共享矩阵A,学习通用知识和分步骤逻辑;对不同任务单独微调矩阵B,适配特定任务特性,从而在提升泛化能力的同时,保证了不同领域任务的精准适配。



Reachout.ai
一个AI驱动的视频开发平台,专为忙碌的企业家和销售团队打造
142
查看详情
- ReCraft模型:由结果反推过程: 开发了ReCraft模型,允许用户输入目标图像,AI即可生成相应的创作步骤,实现图像条件下的过程生成。

- 强大的泛化能力: MakeAnything甚至能在未经训练的任务上展现出令人惊叹的泛化能力。

实验结果与评估:
MakeAnything在多个指标上超越现有技术,包括图文一致性、逻辑连贯性和实用性。消融实验也证明了非对称LoRA的有效性。




结语:
MakeAnything的开源,将推动AI在创意领域的发展,为艺术家和设计师提供强大的辅助工具。 其代码、模型和数据集已开源: https://www.php.cn/link/01991b6bec4ceacaf9fd8748b7fa0698
以上就是炒菜、雕刻、绘画、汽车人变形!MakeAnything用扩散Transformer解锁多任务过程生成的详细内容,更多请关注其它相关文章!
# 如何应对
# 郑州seo关键优化
# 微信公众号营销推广ppt模板
# 娄底网站建设思路
# 子目录网站好优化吗
# 厦门网站推广优化加盟
# 医疗美容网站推广
# 周生生证券网站建设
# qnap网站建设
# 北京高端网站建设排名
# 通用网站建设供应
# 写歌
# 解锁
# 工程
# 你该
# 句话
# 高质量
# 网易
# 非对称
# 开源
# 神技
# Recraft
# 排列
# ai
# 工具
# git
相关栏目:
【
行业资讯67740 】
【
技术百科0 】
【
网络运营39195 】
相关推荐:
sql isnull函数如何使用
nfc功能是什么意思怎么开启
光刻机是干什么用的
typescript为什么能运行
如何卸载typescript
市盈率为负数是什么意思
树莓派命令行如何新建文件
光刻机的分类及特点
春运哪天抢票最好
记录仪power灯亮是什么意思
linux如何打开命令窗口
360n6锁屏壁纸怎么设置
宝马x5仪表盘上边有power是什么意思
vi命令如何退出编辑模式
power在坐标轴中是什么意思
征信不好如何快速恢复 征信不好快速恢复的方法
j*a怎么讲数组打印
哪些库是typescript
win10如何开启命令行
2026年将会大爆发的15个新科技
什么网址不能域名解析
折叠屏有哪些手机
手机全功能type-c接口是什么意思
arp命令如何使用
cmd如何定时执行命令
如何判断固态硬盘
固态硬盘如何区分好坏
手机如何运行ping命令
如何将系统移到固态硬盘
远程桌面如何发送命令
一分钟等于多少秒
夸克是什么空间单位
一年多少周
热水器没热水显示power是什么意思
typescript中怎么引用js文件
windows 如何连接ftp命令行
ip dhcp是什么意思
进口超级维特拉三门版power是什么意思
索尼type-c接口是什么
如何用好typescript
如何用dos命令分区
ai文件在线打开工具有哪些
mac 如何启动命令行模式
汽车的type-c接口是什么
typescript解决了什么
学typescript需要什么基础么
折叠屏手机为什么没火
喇叭上标的power30w是什么意思
unix时间戳转换公式
负市盈率是什么意思


2025-02-15
浏览次数:次
返回列表