上一篇
VtripGPT是什么？一文让你看懂VtripGPT的技术原理、主要功能、应用场景
D-Edit是什么？一文让你看懂D-Edit的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
关键字：
D-Edit概述简介
D-Edit是基于图像和文本的多功能图像编辑框架，基于预训练的扩散模型和独特的提示（prompts）实现对图像中特定项目的精确控制和编辑。框架能处理包括基于图像的编辑、基于文本的编辑、基于掩码的编辑及项目移除等多种编辑任务。D-Edit将图像分割成多个项目，为每个项目关联一个独特的提示，实现对项目的解耦控制。用户基于修改提示、掩码或项目与提示之间的关联来实现多样化的编辑效果。D-Edit是首个能基于掩码编辑实现项目编辑，能结合图像和文本编辑的框架。
D-Edit的功能特色
基于文本的编辑：用户改变与特定项目关联的文本提示替换或编辑图像中的项目。
基于图像的编辑：支持用户用参考图像中的项目替换目标图像中的项目。
基于掩码的编辑：用户能编辑图像中特定项目的掩码，包括移动、调整大小、改变形状等，改变项目的外观。
项目移除：基于删除与项目相关的掩码和提示对，从图像中移除特定项目，让周围区域自然填补空白。
多功能图像编辑：在统一的框架内实现上述编辑功能，提供灵活且多样化的图像编辑能力。
D-Edit的技术原理
项目提示交互：D-Edit将图像分解为多个项目，为每个项目分配一个独特的提示，提示在预训练的扩散模型中被特别学习控制特定项目。
解耦的交叉注意力层：D-Edit引入解耦的交叉注意力机制，支持模型将每个项目的控制流与对应的提示分开处理，实现精确的项目级编辑。
两步优化过程：
提示注入：将代表每个项目的新的标记（tokens）注入到文本编码器的词汇表中，随机初始化标记的嵌入。
模型微调：优化文本编码器的嵌入矩阵和UNet模型的权重建立项目与提示之间的关联，让模型能用给定的项目提示重建原始图像。
编辑操作的自由度：在建立项目与提示的关联之后，D-Edit支持改变提示、掩码或项目与提示之间的映射实现各种编辑操作。
灵活性和控制力：D-Edit的设计提供在编辑过程中对特定项目进行精确控制的能力，且保持对整体图像的自然和谐感。基于调整提示和掩码，用户能实现从细微调整到完全替换的各种编辑效果。
D-Edit项目介绍
GitHub仓库：https://github.com/collovlabs/d-edit
arXiv技术论文：https://arxiv.org/pdf/2403.04880
在线体验Demo：https://huggingface.co/spaces/Collov-Labs/d-edit
D-Edit能做什么？
数字艺术创作：艺术家和设计师创作新的数字艺术作品，用编辑图像中的特定元素实现独特的视觉效果。
照片编辑：普通用户对个人照片进行编辑，比如更换背景、调整人物姿势、改变服装样式等。
广告和营销：营销人员更改广告图像中的特定元素，如产品、标志或文本，适应不同的营销活动。
时尚和服装：时尚设计师展示服装设计的不同版本，基于改变服装的颜色、纹理或款式探索不同的设计可能性。
建筑和城市规划：建筑师和城市规划者编辑建筑设计图像，调整建筑外观或城市规划布局。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Mujō - AI assisted break timer
Mujō是一个AI辅助的休息计时器，帮助你更好地管理工作和休息时间。通过观察你的浏览行为，Mujō使用AI来推荐最佳休息时间。它提供了多种功能，包括基...
aTrain
aTrain是由格拉茨大学商业分析与数据科学中心的研究人员开发，并由格拉茨知识中心的研究人员测试的一款离线语音转录工具。它利用最新的机器学习模型，无需...
ScanIt
ScanIt是一款专为iPhone和iPad设计的文档扫描应用，以其轻量级、快速、无广告的特点，为用户提供了一种简单高效的文档数字化解决方案。它拥有智...
AutoGen Studio
AutoGen Studio 是微软研究院开发的一款低代码工具，旨在帮助开发者快速原型设计、调试和评估由多个人工智能代理组成的复杂系统。它通过提供用户...
chattyhiring
ChattyHiring是一位AI招聘人员，可以简化人才获取过程。它有助于招聘团队以公平，公正的方式快速，准确地评估和筛选候选人，节省时间和资源，同时...
Deep SerpApi
Deep SerpApi 是一款由 Scrapeless 提供的谷歌搜索引擎数据提取 API 工具。它利用 AI 技术优化数据抓取，能够快速、高效地从...
Wix Logo Maker
Wix Logo Maker 是一款由人工智能驱动的在线设计工具，允许你免费创建和定制专业 Logo。通过回答几个简单问题，即可获得符合你需求的独特 ...
iScribe AI Content Generator
iScribe AI是一款革命性的内容创作平台，利用人工智能技术帮助用户快速生成高质量的文字内容。无论是博客、文章、网站、社交媒体还是视频脚本，iSc...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
