# 文本提示

PromptFix是一個綜合框架，能夠使擴散模型遵循人類指令執行各種圖像處理任務。該框架通過構建大規模的指令遵循數據集，提出了高頻引導採樣方法來控制去噪過程，並設計了輔助提示適配器，利用視覺語言模型增強文本提示，提高模型的任務泛化能力。PromptFix在多種圖像處理任務中表現優於先前的方法，並在盲恢復和組合任務中展現出優越的零樣本能力。

Mochi 1是一個由Genmo開發的前沿開源AI視頻生成器，它允許創作者使用文本和圖像提示生成高質量、逼真的視頻。Mochi 1以其卓越的提示遵循能力和流暢的運動效果，使AI視頻生成對每個人都變得容易。它旨在與行業其他模型競爭，為創作者提供更多的控制和更好的視覺成果。

Hallo2是一種基於潛在擴散生成模型的人像圖像動畫技術，通過音頻驅動生成高分辨率、長時的視頻。它通過引入多項設計改進，擴展了Hallo的功能，包括生成長時視頻、4K分辨率視頻，並增加了通過文本提示增強表情控制的能力。Hallo2的主要優點包括高分辨率輸出、長時間的穩定性以及通過文本提示增強的控制性，這使得它在生成豐富多樣的肖像動畫內容方面具有顯著優勢。

TIP-Editor是一款準確的3D編輯器，支持文本和圖像提示，用戶可以通過文本和圖像提示以及3D邊界框來精確控制編輯區域的外觀和位置。採用逐步的2D個性化策略來更好地學習現有場景和參考圖像的表示，通過本地編輯來實現精確的外觀控制。TIPEditor利用明確靈活的3D高斯飛濺作為3D表示，以便在保持背景不變的同時進行局部編輯。經過大量實驗證明，TIP-Editor在指定邊界框區域內根據文本和圖像提示進行準確編輯，編輯質量和與提示的對齊性在定性和定量上均優於基線。

Score Distillation Sampling（SDS）是一種新近但已經廣泛流行的方法，依賴於圖像擴散模型來控制使用文本提示的優化問題。該論文對SDS損失函數進行了深入分析，確定了其制定中的固有問題，並提出了一個出人意料但有效的修復方法。具體而言，我們將損失分解為不同因素，並分離出產生噪聲梯度的組件。在原始制定中，使用高文本指導來賬戶噪聲，導致了不良副作用。相反，我們訓練了一個淺層網絡，模擬圖像擴散模型的時間步相關去噪不足，以有效地將其分解出來。我們通過多個定性和定量實驗（包括基於優化的圖像合成和編輯、零樣本圖像轉換網絡訓練、以及文本到3D合成）展示了我們新穎損失制定的多功能性和有效性。

ImageToPromptAI是一個AI工具，可以將圖像轉換為文本提示。用戶可以上傳圖像並創建一系列文本提示，AI會根據圖像生成相應的文本描述。該工具可以用於穩定擴散，生成可比較的圖像/繪畫變化。用戶可以根據自己的需求選擇不同的套餐，無需訂閱。

img2prompt是一個通過圖像生成文本提示的模型。它使用OpenAI CLIP模型和BLIP標題，將給定的圖像與不同的藝術家、媒介和風格進行比較，並提供類似的文本提示，用於創建類似的圖像。您可以將這些文本提示覆制到stable diffusion中使用。