ResAdapter – 字节推出的扩散模型分辨率适配器

AI工具6个月前更新 AI小集
0

ResAdapter是什么

ResAdapter是由字节跳动的研究人员推出的一种为扩散模型(如Stable Diffusion)设计的分辨率适配器,允许这些图像生成模型生成具有任意分辨率和宽高比的图像,同时保持其原始的风格域。由于扩散模型通常在训练时只学习到特定分辨率的图像生成能力,因此当用户尝试生成超出训练分辨率范围的图像时,可能无法生成高质量的结果(如画面崩坏、肢体异常等)。ResAdapter的目的便旨在解决该问题,它能够在不改变模型原始风格域的前提下,扩展模型生成图像的分辨率范围和比例。

ResAdapter

ResAdapter的官网入口

ResAdapter的功能特性

  • 分辨率插值(Resolution Interpolation):允许模型生成低于其训练分辨率的图像,可以生成更小尺寸的图像,同时保持细节和质量。
  • 分辨率外推(Resolution Extrapolation):使模型能够生成高于其训练分辨率的图像。这对于需要高分辨率输出的应用场景非常重要,如打印、大尺寸显示等。
  • 域一致性(Domain Consistency):在生成不同分辨率的图像时,ResAdapter确保图像的风格与训练时的风格域保持一致,避免了在改变分辨率时可能出现的风格失真或不一致。
  • 即插即用(Plug-and-Play):ResAdapter设计为可以轻松集成到现有的扩散模型中,无需对模型架构进行重大修改,快速应用于多种不同的模型和应用场景。
  • 兼容性:ResAdapter不仅与基础的扩散模型兼容,还可以与其他图像生成相关的模块(如ControlNet、IP-Adapter和LCM-LoRA)结合使用,以实现更复杂的图像生成任务。

ResAdapter的工作原理

ResAdapter的架构
  • 分析模型结构:首先,分析扩散模型(如Stable Diffusion)的UNet架构,确定哪些层对分辨率敏感。通常,卷积层对分辨率敏感,因为它们的感受野(Receptive Field)是固定的。
  • 插入ResCLoRA:在UNet架构的下采样器(Downsampler)和上采样器(Upsampler)的卷积层中插入分辨率卷积LoRA(ResCLoRA)。ResCLoRA通过添加低秩矩阵来动态调整卷积层的感受野,使其能够适应不同分辨率的输入图像。
  • 引入ResENorm:为了解决分辨率外推问题,引入分辨率外推归一化(ResENorm)。ResENorm仅对UNet块中的组归一化层进行训练,以适应高分辨率图像的统计分布,同时保持模型对原始风格域的适应性。
  • 多分辨率训练:在训练过程中,使用不同分辨率的图像数据集进行训练。这种混合分辨率训练策略允许ResAdapter学习到在不同分辨率下生成图像的能力,同时避免对原始风格域的影响。
  • 集成到扩散模型:训练完成后,ResAdapter作为一个即插即用(Plug-and-Play)的模块,可以被集成到任意风格的扩散模型中。这意味着,无论原始模型是专注于何种风格域,ResAdapter都能够扩展其生成图像的分辨率范围。
  • 生成图像:在推理阶段,集成了ResAdapter的扩散模型能够根据用户的需求生成任意分辨率的图像。模型会根据输入的文本提示或条件(如ControlNet提供的图像条件),通过迭代的去噪过程生成高质量的图像。
© 版权声明

相关文章

暂无评论

暂无评论...