sd-vae-ft-mse
改进稳定扩散自编码器提升图像重建效果
sd-vae-ft-mse是一款经过微调的稳定扩散自编码器，在LAION-Aesthetics和LAION-Humans数据集上训练。该模型旨在提高图像重建质量，尤其是人脸细节。相比原始模型，它在PSNR和SSIM等指标上有明显提升，能够生成更平滑的图像。该模型可作为VAE组件轻松集成到现有的diffusers工作流中，用于稳定扩散图像生成。
模型模型微调自动编码器开源项目Huggingface图像生成Stable DiffusionGithub深度学 习
sd-vae-ft-ema
GithubHuggingface
稳定扩散变分自编码器的增强版模型
sdxl-vae
GithubHuggingface
优化自动编码器提升图像生成细节
sd-image-variations-diffusers
CLIPGithub
基于Stable Diffusion的开源图像变体生成模型
diffae
Diffusion AutoencodersGithub
基于扩散模型的自编码器框架实现图像生成与编辑
stable-diffusion-v1-5
GithubHuggingface
先进的文本到图像AI生成模型
stable-diffusion-2-1
GithubHuggingface
高分辨率AI文本生成图像模型，支持多样化创作
stable-diffusion-v1-5
GithubHuggingface
先进的AI文本到图像生成模型
stable-diffusion-v1-5
AI绘图Github
文本到图像生成的多平台兼容潜在扩散模型
stable-diffusion-2-depth
GithubHuggingface
基于深度感知的Stable Diffusion AI图像生成模型
stable-diffusion-v1-5
GithubHuggingface
先进的文本到图像生成模型，实现高质量图像创作
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