[AI 前沿] [开源推荐] ResAdapter - 解决SD生成超大图片和非训练分辨率图片画面崩坏问题。
文本到图像模型（例如稳定扩散）和相应的个性化技术（例如 DreamBooth 和 LoRA）的最新进展使个人能够生成高质量且富有想象力的图像。
然而，在生成分辨率超出训练范围的图像时，它们经常受到限制。ResAdapter克服了这个限制，这是一种为扩散模型（例如，SD 和个性化模型）设计的域一致适配器，用于生成具有不受限制的分辨率和纵横比的图像。
与其他通过后处理处理静态分辨率图像的多分辨率生成方法不同，ResAdapter 直接生成动态分辨率图像。
这种视角可以实现高效的推理，无需重复的去噪步骤和复杂的后处理操作，从而消除了额外的推理时间。
通过广泛的分辨率先验增强，无需来自训练域的任何风格信息，具有 0.5M 的 ResAdapter 可以为个性化扩散模型生成具有域外分辨率的图像，同时保留其风格域。
综合实验证明了 ResAdapter 与扩散模型在分辨率插值和导出方面的有效性。
更多扩展实验表明，ResAdapter 与其他模块（例如 ControlNet、IP-Adapter 和 LCM-LoRA）兼容，可提供灵活分辨率的图像，并且可以集成到其他多分辨率模型（例如 ElasticDiffusion）中，以有效生成更高的分辨率。分辨率图像。
开源地址: github.com/bytedance/r…
更多信息: res-adapter.github.io/
