申请对目录进行调整并补充内容跟进技术

[ANGJustinl]

目录

• [ ] 合并content和docs
• [ ] 修补目录结构
• [ ] 添加内容

文档

• [ ] 编写SDXL和Flux的简要概述
• [ ] 介绍ComfyUI使用
• [ ] 介绍 WebUI-Forge
• [ ] 补充Controlnet 的新类型模型
• [ ] 补充Uni-Controlnet的介绍
• [ ] 介绍IPAdapter的风格转移
• [ ] 介绍IPAdapter-Face
• [ ] 介绍ICLight
• [ ] 介绍开源Lora训练框架与使用方法

一、Stable Diffusion

1.Stable Diffusion原理

• 1.1 主流模型结构总述[wip]
  • SD1.5
  • SDXL
  • Flux
• 1.2 视觉生成方法I
  • 变分自编码器
  • 生成对抗网络
• 1.3 视觉生成方法II
  • 流式模型
  • 扩散模型
    • 训练过程
    • 采样过程
    • 优化方法

2.图片生成方法微调模型训练

• 2.1 图像生成[wip]

  • 上手尝试.ipynb[wip]
  • 构建pipeline的理念
  • 使用 WebUI / Forge
  • 使用 ComfyUI

• 2.2 可控生成(以ComfyUI为例)

  • 条件引导与无条件引导
  • ControlNet
  • IPAdapter[wip]
  • ICLight[wip]

• 2.3 模型微调

  • 参数微调 dreambooth LoRA
  • 文本反推 textual-inversion

4 图片编辑

• 4.1 图片反推 DDIM-Inversion
• 4.2 注意力机制
  • 交叉注意力
  • 自注意力
• 4.3 基于模型的图片编辑

二、3D Diffusion

5 三维生成与编辑

• 5.1 三维表征
  • 表征方法
  • NeRF/3DGS
• 5.2 三维生成
  • 基于2D模型蒸馏
  • 基于2D模型训练
• 5.3 三维编辑

6 视频生成与编辑

• 6.1 视频生成
• 6.2 视频编辑

三、社区与生态

• 7.1 社区生态
• 7.2 行业应用
  • 二维场景：营销作图、游戏作画、美图工具等
  • 三维场景：游戏、数字人、电影、虚拟资产、vision pro内容等
  • 视频场景：抖音、b站、直播等

[ANGJustinl]

move