Imagem para imagem
Regerar uma imagem semelhante a partir de outra
O texto completo é apresentado em inglês; o título e o resumo estão traduzidos.
O QUE ESTA CAPACIDADE SIGNIFICA
Takes an image and outputs a new one that resembles it in content but is rewritten in style or detail. The knob controlling similarity is usually noise strength: less noise stays close to the original, more noise approaches fresh creation. Unlike image editing it does not require a text instruction naming what to change; it restyles or reinterprets the whole image.
Como é feita tecnicamente
The method encodes the input into latent space, adds noise for a chosen number of steps, and denoises back from that point, so the output keeps the structure while taking on a new style. Finer control comes from stacking conditioning branches: edges, depth, pose or a reference style each enter as extra conditions, which is especially common in tasks such as completion and line-art colourisation.
Produtos representativos
6Stable Diffusion
2022Abriu os pesos de texto para imagem e os tornou executáveis em GPUs de consumo
FLUX
2024Gera imagens de alta resolução com um transformer de fluxo retificado
Firefly
2023Uma ferramenta de geração e edição de imagens para criadores
Diffusers
2022Implementação e agendador unificados para modelos de difusão
Seedream
2024Um modelo texto para imagem de alta resolução nativa e bom render de texto
Midjourney
2022Um serviço de texto para imagem conhecido pelo estilo estético
Organizações relacionadas
Usos típicos
- Style transfer and photo stylisation
- Sketch and line-art colouring and completion
- Iterating from rough layouts to renders
- Series of variants on one subject
Como avaliar se funciona bem
- FID
- Distance between results and the target distribution
- LPIPS perceptual distance
- Perceptual difference from the input image
- Structural consistency
- How well contours and subject placement follow the input
Limites e dificuldades
- Balancing structure retention against rewriting is hard; the same settings behave differently across images
- At higher strength the content drifts, and faces or text are the first details lost
- Wholesale redrawing wrecks layout, so posters and UI screenshots cannot be preserved as-is
Conceitos por trás
Modelos de difusão
Aprenda mil pequenos passos de remoção de ruído e criará uma imagem a partir de ruído puro
Difusão latente e controle condicional
Fazer difusão não sobre pixels, mas dentro de um espaço semântico comprimido
Representação digital de imagens
Para uma máquina, uma foto não passa de grades de números sobrepostas