awesome text to image studies下載 - awesome text to image studies源代碼下載

awesome text to image studies

Ai源碼

1.0.0

下載

文字到圖像生成研究的集合

此 GitHub 儲存庫總結了與文字到圖像 (T2I) 生成任務相關的論文和資源。

筆記

本文檔作為整個 GitHub 儲存庫的homepage 。論文依照不同的研究方向、發表年份、會議狀況進行總結。

topics部分根據不同的屬性總結了與 T2I 生成高度相關的論文，例如 T2I 生成的先決條件、使用其他技術的擴散模型（例如 Diffusion Transformer、LLM、Mamba 等）以及其他任務的擴散模型。

如果您對此儲存庫有任何建議，請隨時發起新問題或拉取請求。

該 GitHub 儲存庫的最新消息列出如下。

[十一月。 19日]我們發布了最新論文《StableV2V: Stablizing Shape Consistency in Video-to-Video Editing》，並開源了相應的程式碼、模型權重和測試基準DAVIS-Edit 。請隨時從連結中查看它們！

點擊查看更多資訊。

[四月。 26日]更新一個新主題：擴散模型遇見聯邦學習。請參閱topics部分以了解更多詳細資訊！
[三月。 28日】 AAAI 2024論文名單官方出爐！ PDF 和 BibTeX 參考文獻的官方版本也隨之更新。
[三月。 21日] topics部分已更新。本節旨在提供根據擴散模型的其他屬性總結的論文列表，例如基於擴散變壓器的方法、NLP reference.bib擴散模型、與LLM集成的擴散模型等。 reference.bib
[三月。 7th] 所有可用的CVPR、ICLR 和 AAAI 2024 論文和參考文獻均已更新。
[三月。 1st] 總結了現成的文字到圖像生成產品和工具包的網站。

內容

產品
待辦事項列表
文件
- 調查論文
- 文字到圖像的生成
  - 2024年
  - 2023年
  - 2022年
  - 2021年
  - 2020年
- 有條件的文字到圖像生成
  - 2024年
  - 2023年
  - 2022年
- 個性化文字到圖像生成
  - 2024年
  - 2023年
- 文字引導圖像編輯
  - 2024年
  - 2023年
  - 2022年
- 文字圖像生成
  - 2024年
數據集
工具包
問答
參考
明星歷史

待辦事項列表

會議發表論文
- 更新 NeurIPS 2024 論文
- 更新 ECCV 2024 論文
- 更新 CVPR 2024 論文
  - 更新️論文和參考文獻
  - 將 arXiv 參考文獻更新為正式版本
- 更新 AAAI 2024 論文
  - 更新️論文和參考文獻
  - 將 arXiv 參考文獻更新為正式版本
- 更新 ICLR 2024 論文
- 更新 NeurIPS 2023 論文
預印本 arXiv 論文和遺漏論文的定期維護

<回頂端>

產品

姓名	年	網站	特產
穩定擴散3	2024年	關聯	基於擴散變壓器的穩定擴散
影片穩定	2024年	關聯	高品質高解析度影像
達爾-E 3	2023年	關聯	與 ChatGPT 合作
表意文字	2023年	關聯	文字圖片
操場	2023年	關聯	美學形象
嗨夢科技	2023年	關聯	-
短跑	2023年	關聯	文本轉漫畫生成
惠州	2023年	關聯	WHEE是一款線上AI生成工具，可應用於T2I生成、I2I生成、SR、修復、外繪、影像變化、虛擬試穿等。
織女星人工智慧	2023年	關聯	Vega AI是一款線上AI生成工具，可應用於T2I生成、I2I生成、SR、T2V生成、I2V生成等。
艾無界	2022年	關聯	中文名稱為“無界AI”，提供AIGC資源和線上服務
中途	2022年	關聯	強大的閉源生成工具

<回頂端>

文件

調查論文

文字到圖像的生成
- 2024年
  - ACM 計算調查
    - 擴散模型：方法與應用的綜合綜述 [論文]
- 2023年
  - TPAMI
    - 視覺中的擴散模型：一項調查[論文][程式碼]
  - arXiv
    - 產生人工智慧中的文字到圖像擴散模型：一項調查 [論文]
    - 視覺計算擴散模型的最新技術 [論文]
- 2022年
  - arXiv
    - 有效的視覺擴散模型：一項調查[論文]
有條件的文字到圖像生成
- 2024年
  - arXiv
    - 使用文字到圖像擴散模型的可控生成：調查[論文]
文字引導圖像編輯
- 2024年
  - arXiv
    - 基於擴散模型的圖像編輯：調查[論文][程式碼]

<回頂端>

文字到圖像的生成

2024年
- CVPR
  - DistriFusion：高解析度擴散模型的分散式平行推理 [論文] [程式碼]
  - InstanceDiffusion：圖像生成的實例級控制 [論文] [程式碼] [專案]
  - ECLIPSE：用於圖像生成的資源高效的文本到圖像先驗 [論文] [程式碼] [專案] [演示]
  - Instruct-Imagen：使用多模態指令產生圖像 [論文]
  - 學習連續 3D 單字以產生文字到圖像 [論文] [程式碼]
  - HanDiffuser：具有逼真手部外觀的文字到圖像生成 [論文]
  - 用於文字到圖像生成的豐富人類回饋 [論文]
  - MarkovGen：用於高效文本到圖像生成的結構化預測 [論文]
  - 用於生成文字到圖像的自訂助手 [論文]
  - ADI：學習用於操作定製文字到圖像生成的解纏標識符 [論文] [專案]
  - UFOGen：透過擴散 GAN 實現大規模文字到圖像生成 [論文]
  - 自我發現可解釋擴散潛在方向，以實現負責任的文本到圖像生成[論文]
  - 客製化願景：透過個人化提示重寫增強文字到圖像的生成 [論文] [程式碼]
  - CoDi：條件擴散蒸餾以實現更高保真度和更快的圖像生成 [論文] [程式碼] [專案] [演示]
  - 使用潛在擴散模型和隱式神經解碼器進行任意尺度影像生成和上取樣[論文]
  - 在基於文字的人類圖像生成的擴散模型中有效利用以人為本的先驗 [論文]
  - ElasticDiffusion：免訓練任意尺寸圖像生成 [論文] [程式碼] [專案] [演示]
  - CosmicMan：人類的文本到圖像基礎模型 [論文] [程式碼] [專案]
  - PanFusion：馴服文字到 360° 全景影像產生的穩定擴散 [論文] [程式碼] [專案]
  - 智慧格林：透過潛在擴散模型進行開放式視覺敘事 [論文] [程式碼] [專案]
  - 關於基於擴散的文本到圖像生成的可擴展性[論文]
  - MuLAn：用於可控文字到圖像生成的多層註釋資料集 [論文] [專案] [資料集]
  - 學習多維人類偏好以生成文本到圖像[論文]
  - 文字到圖像生成的動態提示優化 [論文]
  - 透過強化學習訓練擴散模型以產生多樣化圖像 [論文]
  - 對抗性文字到連續影像生成 [論文] [專案] [影片]
  - EmoGen：使用文字到圖像擴散模型產生情緒圖像內容 [論文] [程式碼]
- ECCV
  - 橋接不同語言模型和生成視覺模型以產生文字到圖像 [論文] [程式碼] [專案]
  - 使用文字到圖像擴散模型探索短語級基礎 [論文] [程式碼]
  - 正確做法：提高文字到圖像模型的空間一致性 [論文] [程式碼] [項目]
  - 克服印度語言中文字到圖像的生成偏差 [論文] [專案]
  - 透過人類回饋反轉保護文字到圖像的擴散模型 [論文]
  - 現實與幻想的建構：法學碩士輔助提示解釋的場景生成 [論文] [代碼] [專案] [資料集]
  - 文本到圖像擴散模型的可靠且高效的概念擦除[論文][程式碼]
  - 使用文字到圖像擴散模型探索短語級基礎 [論文] [程式碼]
  - StyleTokenizer：透過單一實例定義影像樣式以控制擴散模型 [論文] [程式碼]
  - PEA-Diffusion：非英語文本到圖像生成中具有知識蒸餾的參數高效適配器 [論文] [代碼]
  - 現象空間中的傾斜阻礙了文字到圖像生成的泛化[論文][程式碼]
  - Parrot：用於文字到圖像生成的帕累托最優多獎勵強化學習框架 [論文]
  - 橋接不同語言模型和生成視覺模型以產生文字到圖像 [論文] [程式碼] [專案]
  - MobileDiffusion：行動裝置上的即時文字到影像生成 [論文]
  - PixArt-Σ：用於 4K 文字到影像生成的擴散變壓器的弱到強訓練 [論文] [程式碼] [專案]
  - CogView3：透過中繼擴散產生更精細、更快的文字到圖像 [論文] [程式碼]
- ICLR
  - 用於高解析度影像合成的修補去噪擴散模型 [論文] [程式碼]
  - 中繼擴散：統一跨解析度的擴散過程以進行影像合成 [論文] [程式碼]
  - SDXL：改進高解析度影像合成的潛在擴散模型 [論文] [程式碼]
  - 組合與征服：基於擴散的 3D 深度感知可組合影像合成 [論文] [程式碼]
  - PixArt-α：用於真實感文本到圖像合成的擴散變壓器的快速訓練 [論文] [程式碼] [專案] [演示]
- 訊號圖形
  - RGB↔X：使用材質和照明感知擴散模型進行影像分解和合成 [論文] [專案]
- AAAI
  - 用於文字到圖像合成的語義感知資料增強 [論文]
  - 抽象概念的文本到圖像生成 [論文]
- arXiv
  - 用於文字到圖像生成的擴散模型的自玩微調 [論文]
  - RPG：掌握文字到圖像的擴散：使用多模態 LLM 進行重述、規劃和生成 [論文] [程式碼]
  - Playground v2.5：提高文字到圖像生成中的美學品質的三個見解 [論文] [程式碼]
  - ResAdapter：用於擴散模型的域一致分辨率適配器 [論文] [代碼] [項目]
  - InstantID：在幾秒鐘內產生零樣本身分保留產生 [論文] [程式碼] [專案] [示範]
  - PIXART-δ：具有潛在一致性模型的快速且可控的影像生成 [論文] [程式碼]
  - ELLA：為擴散模型配備法學碩士以增強語意對齊 [論文] [程式碼] [專案]
  - Text2Street：街景的可控製文字到圖像生成 [論文]
  - LayerDiffuse：使用潛在透明度的透明影像層擴散 [論文] [程式碼]
  - SD3-Turbo：具有潛在對抗擴散蒸餾的快速高解析度影像合成[論文]
  - StreamMultiDiffusion：具有基於區域的語義控制的即時互動生成 [論文] [程式碼]
  - SVGDreamer：使用擴散模型產生文字引導的 SVG [論文] [程式碼] [專案]
  - PromptCharm：透過多模式提示和細化生成文字到圖像 [論文]
  - YOSO：您只需採樣一次：透過自合作擴散 GAN 馴服一步文字到圖像合成 [論文] [程式碼]
  - SingDiffusion：解決擴散模型中時間間隔端點的奇點 [論文] [程式碼]
  - CoMat：將文字到圖像擴散模型與圖像到文字概念匹配對齊 [論文] [程式碼] [專案]
  - StoryDiffusion：長距離影像和影片產生的一致自註意力 [論文] [程式碼] [專案] [示範]
  - 用於具有細粒度 ID 和屬性控制的預訓練擴散模型的臉部適配器 [論文] [項目]
  - LinFusion： 1 個 GPU，1 分鐘，16K 影像 [論文] [程式碼] [專案] [示範]
  - OmniGen：統一影像生成 [論文] [程式碼]
  - CoMPaSS：增強文本到圖像擴散模型的空間理解 [論文] [程式碼]
- 其他的
  - 穩定的級聯[博客] [代碼]

<回頂端>

2023年
- CVPR
  - GigaGAN：擴展 GAN 以進行文字到圖像的合成 [論文] [複製程式碼] [專案] [影片]
  - ERNIE-ViLG 2.0：利用知識增強的去噪專家組合改進文本到圖像的擴散模型 [論文]
  - 用於文字到圖像生成的移位擴散 [論文] [程式碼]
  - GALIP：用於文字到圖像合成的生成對抗性 CLIP [論文] [程式碼]
  - 專業擴散：即插即用、樣本高效的文本到圖像擴散模型微調，以學習任何未見過的風格 [論文] [程式碼]
  - 實現文本到圖像生成的可驗證和可重複的人類評估[論文]
  - RIATIG：具有自然提示的可靠且難以察覺的對抗性文本到圖像生成[論文][代碼]
- ICCV
  - DiffFit：透過簡單的參數高效微調解鎖大型擴散模型的可轉移性 [論文] [代碼] [演示]
- 神經資訊處理系統
  - ImageReward：學習並評估人類對文字到圖像生成的偏好 [論文] [程式碼]
  - RAPHAEL ：透過大量混合擴散路徑生成文字到圖像 [論文] [項目]
  - 擴散模型中的語言綁定：透過注意圖對齊增強屬性對應性 [論文] [程式碼]
  - DenseDiffusion：具有註意力調製的密集文本到圖像生成 [論文] [代碼]
- ICLR
  - 用於組合文字到圖像合成的免訓練結構化擴散指南 [論文] [程式碼]
- ICML
  - StyleGAN-T：釋放 GAN 的強大功能，實現快速大規模文字到圖像合成 [論文] [程式碼] [專案] [影片]
  - Muse：透過 Masked Generative Transformers 產生文字到圖像 [論文] [複製程式碼] [專案]
  - UniDiffusers：一個 Transformer 適合大規模多模態擴散中的所有分佈 [論文] [程式碼]
- ACM MM
  - SUR 適配器：使用大型語言模型增強文字到圖像預訓練擴散模型 [論文] [程式碼]
  - ControlStyle：使用擴散先驗產生文字驅動的風格化圖像 [論文]
- 訊號圖形
  - 參與與激發：文本到圖像擴散模型的基於注意力的語義指導 [論文] [程式碼] [專案] [演示]
- arXiv
  - P+：文字到圖像生成中的擴展文本調節 [論文]
  - SDXL-Turbo：對抗性擴散蒸餾 [論文] [代碼]
  - Wuerstchen：大規模文本到圖像擴散模型的高效架構 [論文] [程式碼]
  - StreamDiffusion：即時互動產生的管道級解決方案 [論文] [專案]
  - ParaDiffusion：使用資訊豐富的擴散模型產生段落到影像 [論文] [程式碼]
- 其他的
  - DALL-E 3：透過更好的字幕來改進圖像生成 [論文]

<回頂端>

2022年
- CVPR
  - 穩定擴散：使用潛在擴散模型的高解析度影像合成 [論文] [程式碼] [專案]
  - 用於文字到圖像合成的向量量化擴散模型 [論文] [程式碼]
  - DF-GAN：用於文字到圖像合成的簡單有效的基線 [論文] [程式碼]
  - LAFITE：邁向文字到圖像生成的無語言訓練 [論文] [程式碼]
  - 基於物件引導聯合解碼變換器的文字到圖像合成 [論文]
  - StyleT2I：走向組合和高保真文本到圖像合成 [論文] [代碼]
- ECCV
  - Make-A-Scene：利用人類先驗進行基於場景的文本到圖像生成 [論文] [代碼] [演示]
  - 追蹤受控文字到圖像的生成 [論文]
  - 使用 Token-Critic 改進蒙版圖像生成 [論文]
  - VQGAN-CLIP：使用自然語言產生和操作開放域圖像 [論文] [程式碼]
  - TISE：用於文字到圖像合成評估的指標包 [論文] [程式碼]
  - StoryDALL-E：採用預先訓練的文字轉影像轉檔器以實現故事的延續 [論文] [程式碼] [演示]
- 神經資訊處理系統
  - CogView2：透過分層轉換器更快更好地產生文字到圖像 [論文] [程式碼]
  - Imagen：具有深度語言理解的真實感文本到圖像擴散模型 [論文] [轉載程式碼] [項目] [ Imagen 2 ]
- ACM MM
  - Adma-GAN：用於文字到圖像生成的屬性驅動記憶體增強 GAN [論文] [程式碼]
  - 用於文字到圖像生成的背景佈局生成和物件知識傳輸 [論文]
  - DSE-GAN：用於文字到圖像生成的動態語義進化生成對抗網路 [論文]
  - AtHom：文本到圖像合成中同態訓練激發的兩種不同的注意力 [論文]
- arXiv
  - DALLE-2：使用 CLIP Latents 產生分層文字條件圖像 [論文]
  - PITI：預訓練就是圖像到圖像翻譯所需的一切 [論文] [程式碼]

<回頂端>

2021年
- ICCV
  - DAE-GAN：用於文字到圖像合成的動態方面感知 GAN [論文] [程式碼]
- 神經資訊處理系統
  - CogView：透過 Transformer 掌握文字到圖像的生成 [論文] [程式碼] [演示]
  - UFC-BERT：統一條件影像合成的多模態控制 [論文]
- ICML
  - DALLE-1：零樣本文字到圖像生成 [論文] [複製程式碼]
- ACM MM
  - 用於文本到圖像合成的循環一致逆 GAN [論文]
  - R-GAN：透過生成對抗網路探索類人方式合理的文字到圖像合成 [論文]

<回頂端>

2020年
- ACM MM
  - 透過美學佈局進行文字到圖像的合成 [論文]

<回頂端>

有條件的文字到圖像生成

2024年
- CVPR
  - PLACE：用於語意影像合成的自適應佈局-語意融合 [論文]
  - 一次性結構感知風格化圖像合成 [論文]
  - 具有註意力重新聚焦的基礎文本到圖像合成 [論文] [程式碼] [專案] [演示]
  - 用於姿勢引導人體影像合成的從粗到細的潛在擴散 [論文] [代碼]
  - DetDiffusion：協同生成和感知模型以增強資料生成和感知 [論文]
  - CAN：用於受控影像生成的條件感知神經網路 [論文]
  - SceneDiffusion：使用分層場景擴散移動任何物體 [論文]
  - Zero-Painter：用於文字到圖像合成的免訓練佈局控制 [論文] [程式碼]
  - MIGC：用於文字到圖像合成的多實例生成控制器 [論文] [程式碼] [專案]
  - FreeControl：任何條件下任何文字到圖像擴散模型的免訓練空間控制 [論文] [程式碼] [專案]
- ECCV
  - PreciseControl：透過細粒度屬性控制增強文字到圖像的擴散模型 [論文] [程式碼] [專案]
  - AnyControl：透過文字到圖像生成的多功能控制來創建您的藝術作品 [論文] [程式碼]
- ICLR
  - 使用漸進條件擴散模型推進姿勢引導影像合成 [論文] [程式碼]
- WACV
  - 具有交叉注意力指導的免訓練佈局控制 [論文] [程式碼] [專案] [演示]
- AAAI
  - SSMG：用於自由形式佈局到圖像生成的空間語義圖引導擴散模型 [論文]
  - 透過擴散模型的注意力圖控制進行組合文字到影像的合成 [論文] [程式碼]
- arXiv
  - DEADiff：一種具有解纏結表示的高效能風格化擴散模型 [論文]
  - InstantStyle：文字到圖像生成中風格保留的免費午餐 [論文] [程式碼] [專案]
  - ControlNet++：透過有效的一致性回饋來改善條件控制 [論文] [專案]
  - Hunyuan-DiT：具有細粒度中文理解的強大多分辨率擴散變壓器 [論文] [代碼] [項目]
  - DialogGen：用於多輪文本到圖像生成的多模態互動式對話系統 [論文] [程式碼] [專案]
  - ControlNeXt：強大而高效的圖像和視訊生成控制 [論文] [程式碼] [專案]
  - UniPortrait：用於保護身分的單人和多人圖像個人化的統一框架 [論文] [程式碼] [專案] [演示]
  - OmniControl：擴散變壓器的最小通用控制 [論文] [程式碼] [演示]
  - UnZipLoRA：從單一影像中分離內容和風格 [論文] [專案]
  - CtrLoRA：用於可控影像生成的可擴展且高效的框架 [論文] [程式碼]
  - 透過硬綁定和軟細化生成區域感知文字到圖像 [論文] [程式碼]

<回頂端>

2023年
- CVPR
  - GLIGEN：開放集接地文字到圖像生成 [論文] [程式碼] [專案] [演示] [影片]
  - 使用殘差量化的自回歸影像產生 [論文] [程式碼]
  - SpaText：用於可控圖像生成的空間文本表示 [論文] [項目] [影片]
  - 使用語意空間感知 GAN 生成文字到圖像 [論文]
  - ReCo：區域控制的文本到圖像生成 [論文] [代碼]
  - LayoutDiffusion：用於佈局到影像生成的可控擴散模型 [論文] [程式碼]
- ICCV
  - ControlNet：為文字到影像擴散模型添加條件控制 [論文] [程式碼]
  - SceneGenie：用於影像合成的場景圖引導擴散模型 [論文] [程式碼]
  - ZestGuide：文字到影像擴散模型的零樣本空間佈局調節 [論文]
- ICML
  - Composer：具有可組合條件的創意可控影像合成 [論文] [程式碼] [專案]
  - MultiDiffusion：融合擴散路徑以產生受控影像 [論文] [程式碼] [影片] [專案] [演示]
- 訊號圖形
  - 草圖引導的文字到圖像擴散模型 [論文] [複製程式碼] [專案]
- 神經資訊處理系統
  - Uni-ControlNet：文字到影像擴散模型的一體化控制 [論文] [程式碼] [專案]
  - 快速擴散：為擴散模型解鎖情境學習 [論文] [代碼] [項目]
- WACV
  - 更多免費控制！具有語義擴散指導的圖像合成 [論文]
- ACM MM
  - LayoutLLM-T2I：從 LLM 獲取佈局指導以生成文本到圖像 [論文]
- arXiv
  - T2I-Adapter：學習適配器為文字到圖像擴散模型挖掘更多可控能力 [論文] [程式碼] [演示]
  - BLIP-Diffusion：用於可控文字到圖像生成和編輯的預訓練主題表示 [論文] [程式碼]
  - 用於可控影像合成的後期約束擴散指導 [論文] [程式碼]
2022年
- ICLR
  - SDEdit：使用隨機微分方程式引導影像合成與編輯 [論文] [程式碼] [專案]

<回頂端>

個性化文字到圖像生成

2024年
- CVPR
  - 用於個性化文字到圖像生成的交叉初始化 [論文]
  - 當 StyleGAN 遇到穩定擴散：用於個性化影像生成的 W+ 適配器 [論文] [程式碼] [專案]
  - 透過共享注意力產生風格對齊圖像 [論文] [程式碼] [專案]
  - InstantBooth：無需測試時微調的個人化文字到圖像生成 [論文] [項目]
  - 高保真度以人為中心的主題到影像合成[論文]
  - RealCustom：縮小真實文字字的範圍，實現即時開放域文字到圖像的客製化 [論文] [專案]
  - DisenDiff：用於解開文字到影像個人化的注意力校準 [論文] [程式碼]
  - FreeCustom：用於多概念合成的免調整定製圖像生成 [論文] [程式碼] [專案]
  - 用於概念驅動的文本到圖像生成的個性化殘差 [論文]
  - 透過與主體無關的指導來改進主體驅動的圖像合成 [論文]
  - JeDi：用於免微調個人化文字到影像生成的聯合影像擴散模型 [論文]
  - 使用影響水印對抗個人化文字到圖像的生成 [論文]
- ECCV
  - 做你自己：多主題文字到圖像生成的有限注意力 [論文] [專案]
  - 強大而靈活：透過強化學習產生個人化文字到圖像[論文] [程式碼]
  - TIGC：具有圖像和文字指導的免調整圖像自訂 [論文] [程式碼] [專案]
  - MasterWeaver：馴服可編輯性和臉部辨識以實現個人化文字到圖像的生成 [論文] [程式碼] [專案]
- AAAI
  - 用於定製圖像生成的解耦文字嵌入 [論文]
- arXiv
  - FlashFace：具有高保真度身分保護的人類影像個人化 [論文] [程式碼] [專案]
  - MoMA：用於快速個人化影像生成的多模態 LLM 適配器 [論文]
  - IDAdapter：學習混合特徵以實現文字到圖像模型的免調優個人化 [論文]
  - CoRe：用於文字到圖像個人化的上下文正規化文字嵌入學習 [論文]
  - 想像你自己：免調整個人化影像生成 [論文] [專案]
2023年
- CVPR
  - 自訂擴散：文字到圖像擴散的多概念定制 [論文] [程式碼] [專案]
  - DreamBooth：微調文字到圖像擴散模型以實現主題驅動的生成 [論文] [程式碼] [專案]
- ICCV
  - ELITE：將視覺概念編碼為文字嵌入，以產生客製化的文字到圖像 [論文] [代碼]
- ICLR
  - 文字反轉：一張圖像值得一個字：使用文字反轉個人化文字到圖像的生成 [論文] [程式碼] [專案]
- 訊號圖形
  - Break-A-Scene：從單一影像中提取多個概念 [論文] [程式碼]
  - 基於編碼器的域調整，用於文字到圖像模型的快速個人化 [論文] [專案]
  - LayerDiffusion：使用擴散模型進行分層控制影像編輯 [論文]
- arXiv
  - DreamTuner：單張影像足以進行主題驅動生成 [論文] [專案]
  - PhotoMaker：透過堆疊 ID 嵌入客製化逼真的人物照片 [論文] [程式碼]
  - IP-Adapter：用於文字到圖像擴散模型的文字相容圖像提示適配器 [論文] [程式碼] [專案]
  - FastComposer：具有局部注意力的免調整多主體影像生成 [論文] [程式碼]

<回頂端>

文字引導圖像編輯

2024年
- CVPR
  - InfEdit：使用自然語言進行無反演圖像編輯 [論文] [程式碼] [專案]
  - 理解文字引導影像編輯穩定擴散中的交叉和自註意力 [論文]
  - 基於文本的圖像編輯的雙重溯因反事實推理 [論文] [代碼]
  - 專注於您的指令：透過注意力調製進行細粒度和多指令影像編輯 [論文] [程式碼]
  - 文字引導潛在擴散影像編輯的比較去雜訊評分 [論文]
  - DragDiffusion：利用擴散模型進行互動式基於點的影像編輯 [論文] [程式碼]
  - DiffEditor：提高基於擴散的影像編輯的準確性和靈活性 [論文]
  - FreeDrag：用於可靠的基於點的圖像編輯的功能拖曳 [論文] [程式碼]
  - 透過可學習區域進行文字驅動的圖像編輯 [論文] [程式碼] [專案] [影片]
  - LEDITS++：使用文字到圖像模型進行無限圖像編輯 [論文] [程式碼] [專案] [演示]
  - SmartEdit：使用大型語言模型探索複雜的基於指令的圖像編輯 [論文] [程式碼] [專案]
  - 編輯一應俱全：互動式批次圖像編輯 [論文] [程式碼] [專案]
  - DiffMorpher：釋放影像變形擴散模型的能力 [論文] [程式碼] [專案] [演示]
  - TiNO-Edit：基於穩健擴散的影像編輯的時間步長和雜訊最佳化 [論文] [程式碼]
  - 就地人員：產生用於人與物件互動影像編輯的關聯骨架引導圖 [論文] [專案] [程式碼]
  - 引用圖像編輯：透過引用表達式進行物件級圖像編輯 [論文]
  - 自監督文字引導圖像操作的快速增強 [論文]
  - 魔鬼在於細節：用於細節豐富的 StyleGAN 反演和高品質圖像編輯的 StyleFeatureEditor [論文] [程式碼]
- ECCV
  - RegionDrag：使用擴散模型進行基於區域的快速圖像編輯 [論文] [程式碼] [專案] [演示]
  - TurboEdit：基於文字的即時圖像編輯 [論文] [專案]
  - InstructGIE：邁向通用影像編輯 [論文]
  - StableDrag：基於點的圖像編輯的穩定拖曳 [論文]
  - Eta 反演：為基於擴散的真實影像編輯設計最佳 Eta 函數 [論文] [程式碼] [專案]
  - SwapAnything：在個人化影像編輯中啟用任意物件交換 [論文] [程式碼] [專案]
  - Guide-and-Rescale：用於有效免調整真實影像編輯的自我引導機制 [論文]
  - FreeDiff：使用擴散模型進行影像編輯的漸進頻率截斷 [論文] [程式碼]
  - 用於互動式影像編輯的惰性擴散變壓器 [論文] [專案]
  - ByteEdit：增強、遵守並加速產生影像編輯 [論文] [專案]
- ICLR
  - 透過多模態大語言模型指導基於指令的圖像編輯 [論文] [程式碼] [專案]
  - 隨機性的祝福：SDE 在一般基於擴散的圖像編輯中擊敗 ODE [論文] [代碼] [項目]
  - 運動引導：使用可微運動估計器進行基於擴散的影像編輯 [論文] [程式碼] [專案]
  - 用於影像編輯的物件感知反轉和重組 [論文] [程式碼] [專案]
  - 雜訊圖指導：使用空間上下文進行反演以進行真實影像編輯[論文]
- AAAI
  - 用於一致影像編輯的免調整反轉增強控制 [論文]
  - BARET：目標文本反轉驅動的基於平衡注意力的真實圖像編輯 [論文]
  - 透過啟用快取的稀疏擴散推理加速文字到圖像編輯 [論文]
  - 基於擴散的高保真圖像編輯 [論文]
  - AdapEdit：用於基於文字的連續性敏感圖像編輯的時空引導自適應編輯演算法 [論文]
  - TexFit：使用擴散模型進行文字驅動的時尚圖像編輯 [論文]
- arXiv
  - 一個值得提示的項目：具有解開控制的多功能圖像編輯 [論文] [程式碼]
  - 統治一切的一維適配器：概念、擴散模型和擦除應用程式 [論文] [程式碼] [專案]
  - EditWorld：模擬世界動力學以進行指令追蹤影像編輯 [論文] [程式碼] [專案]
  - ReasonPix2Pix：用於進階影像編輯的指令推理資料集 [論文]
  - FlowEdit：使用預先訓練的流模型進行無反演的基於文本的編輯 [論文] [代碼] [項目] [演示]
2023年
- CVPR
  - 揭示文本到圖像擴散模型中的解纏結能力 [論文] [代碼]
  - 正弦：使用文字到圖像擴散模型進行單一圖像編輯 [論文] [程式碼]
  - Imagic：使用擴散模型進行基於文字的真實圖像編輯 [論文]
  - InstructPix2Pix：學習遵循圖像編輯說明 [論文] [程式碼] [資料集] [專案] [演示]
  - 使用引導擴散模型編輯真實圖像的空文本反演[論文] [程式碼]
- ICCV
  - MasaCtrl：無需調整的相互自註意力控制，實現一致的圖像合成和編輯 [論文] [程式碼] [專案] [演示]
  - 使用文字到圖像擴散模型本地化物件級形狀變化 [論文] [程式碼] [專案] [演示]
- ICLR
  - SDEdit：使用隨機微分方程式引導影像合成與編輯 [論文] [程式碼] [專案]
2022年
- CVPR
  - DiffusionCLIP：用於穩健影像處理的文字引導擴散模型 [論文] [程式碼]

<回頂端>

文字圖像生成

2024年
- arXiv
  - AnyText：多語言視覺文本生成與編輯 [論文] [程式碼] [專案]
- CVPR
  - SceneTextGen：與佈局無關的場景文字影像合成，具有整合的字元級擴散和上下文一致性 [論文]

<回頂端>

數據集

Microsoft COCO：上下文中的常見物件 [論文] [資料集]
概念字幕：用於自動圖像字幕的經過清理的、上位詞的圖像替代文字資料集 [論文] [資料集]
LAION-5B：用於訓練下一代圖像文字模型的開放大型資料集 [論文] [資料集]
PartiPrompts：縮放自迴歸模型以產生內容豐富的文字到圖像 [論文] [資料集] [專案]

<回頂端>

工具包

姓名	網站	描述
穩定的擴散WebUI	關聯	基於Gradio構建，本地部署以運行Stable Diffusion檢查點、LoRA權重、ControlNet權重等。
穩定擴散 WebUI-forge	關聯	基於Gradio構建，本地部署以運行Stable Diffusion檢查點、LoRA權重、ControlNet權重等。
福庫斯	關聯	基於Gradio構建，離線、開源、免費。無需手動調整，用戶只需關注提示和圖像即可。
舒適使用者介面	關聯	本地部署以透過穩定擴散實現客製化工作流程
奇維泰	關聯	社區穩定擴散和 LoRA 檢查點的網站

<回頂端>

問答

Q：本次論文列表的會議順序？
- 本論文列表依照以下順序組織：
  - CVPR
  - ICCV
  - ECCV
  - WACV
  - 神經資訊處理系統
  - ICLR
  - ICML
  - ACM MM
  - 訊號圖形
  - AAAI
  - arXiv
  - 其他的
問： Others指的是什麼？
- 以下一些研究（例如， Stable Casacade ）並未在 arXiv 上發布其技術報告。相反，他們傾向於在自己的官方網站上寫部落格。 Others類別指的是此類研究。

<回頂端>

參考

reference.bib檔案總結了最新影像修復論文、廣泛使用的資料集和工具包的 bibtex 參考文獻。基於原始參考文獻，我進行了以下修改，以使它們的結果在LaTeX手稿中看起來不錯：

參考文獻通常以author-etal-year-nickname的形式建構。特別是，資料集和工具包的引用直接建構為nickname ，例如imagenet 。
在每個參考文獻中，所有會議/期刊的名稱都轉換為縮寫，例如Computer Vision and Pattern Recognition -> CVPR 。
所有參考文獻中的url 、 doi 、 publisher 、 organization 、 editor 、 series都被刪除。
如果缺少所有參考文獻的pages ，則會新增它們。
所有論文名稱均以標題大寫形式呈現。此外，我還添加了額外的{}以確保標題大小寫在某些特定模板中也能正常工作。