img2img-turbo
单步图像翻译模型
通过对单步扩散模型（例如SD-Turbo）进行对抗性学习，img2img-turbo实现了高效的图像翻译。该方法适用于配对和未配对任务，并通过优化生成器架构来提升推理速度和结果多样性。CycleGAN-Turbo和pix2pix-turbo在Sketch2Image和Edge2Image等多个图像翻译任务中均表现出色。
img2img-turbo 项目介绍
项目概述
img2img-turbo 是一个旨在通过对抗学习改进单步扩散模型的通用方法。这个项目基于现有的预训练扩散模型，如 SD-Turbo，帮助我们在不同任务和领域中高效地进行推理。在现代图形处理器（如 A6000、A100）上，它可以快速对 512x512 像素的图像进行推断，分别耗时仅为 0.29 秒和 0.11 秒。
为了实现多样化的图像到图像翻译任务，该项目推出了两个强大的工具：CycleGAN-Turbo 和 pix2pix-turbo。这两个模型可以在无对和有对的情况下出色地执行多种图像转换任务。CycleGAN-Turbo 比现有的 GAN 和扩散模型更具优势，而 pix2pix-turbo 则在 Sketch2Photo 和 Edge2Image 等任务上与新近的方法如 ControlNet 相当，但只需一步推断。
项目亮点
- 快速推断：单步推断使得图像生成速度极快。
- 广泛应用：适用于从线条草图转换为完整图像，亦可进行昼夜、晴雨等无配对图像间的转换。
- 多样输出：通过调整输入噪声和文本提示，可以生成风格多样的输出。
- 灵活训练：支持通过自有数据训练，提供对应的模型训练方法和文档。
图像翻译中的应用
- 成对翻译 (pix2pix-turbo)：可以从边缘图生成相应风格的图像。
- 成对翻译的多样化输出：通过改变输入噪声图，可以从同一输入条件生成多样化的图像。
- 无对翻译 (CycleGAN-Turbo)：
- 昼转夜：日间图像转换成夜间效果。
- 夜转昼：夜间图像转换为日间效果。
- 晴转雨：晴天的图像可以转换为雨天效果。
- 雨转晴：雨天图像转换为晴天效果。
技术方法
img2img-turbo 项目的生成器架构紧密整合了三个独立模块，构成一个端到端的网络，这使得架构具备轻量级的可训练权重。这种方法能够保留输入场景结构的同时，将输入图像转化为输出图像。项目使用了 LoRA 适配器、引入跳跃连接和零卷积，从而提升翻译质量。
快速入门
用户可以通过使用项目提供的 conda 环境文件快速设置环境，并通过简单的终端指令运行本地推断任务。同时，项目也支持通过 Gradio 进行图像翻译任务的演示。
自定义数据训练
img2img-turbo 项目为用户提供了在成对和无配对数据上训练模型的方法，详细步骤可以通过相关的项目文档获取。
致谢
我们的工作基于 Stable Diffusion-Turbo 作为基础模型，项目也使用了相应的许可协议。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号