# 文本提示

PromptFix是一个综合框架，能够使扩散模型遵循人类指令执行各种图像处理任务。该框架通过构建大规模的指令遵循数据集，提出了高频引导采样方法来控制去噪过程，并设计了辅助提示适配器，利用视觉语言模型增强文本提示，提高模型的任务泛化能力。PromptFix在多种图像处理任务中表现优于先前的方法，并在盲恢复和组合任务中展现出优越的零样本能力。

Mochi 1是一个由Genmo开发的前沿开源AI视频生成器，它允许创作者使用文本和图像提示生成高质量、逼真的视频。Mochi 1以其卓越的提示遵循能力和流畅的运动效果，使AI视频生成对每个人都变得容易。它旨在与行业其他模型竞争，为创作者提供更多的控制和更好的视觉成果。

Hallo2是一种基于潜在扩散生成模型的人像图像动画技术，通过音频驱动生成高分辨率、长时的视频。它通过引入多项设计改进，扩展了Hallo的功能，包括生成长时视频、4K分辨率视频，并增加了通过文本提示增强表情控制的能力。Hallo2的主要优点包括高分辨率输出、长时间的稳定性以及通过文本提示增强的控制性，这使得它在生成丰富多样的肖像动画内容方面具有显著优势。

TIP-Editor是一款准确的3D编辑器，支持文本和图像提示，用户可以通过文本和图像提示以及3D边界框来精确控制编辑区域的外观和位置。采用逐步的2D个性化策略来更好地学习现有场景和参考图像的表示，通过本地编辑来实现精确的外观控制。TIPEditor利用明确灵活的3D高斯飞溅作为3D表示，以便在保持背景不变的同时进行局部编辑。经过大量实验证明，TIP-Editor在指定边界框区域内根据文本和图像提示进行准确编辑，编辑质量和与提示的对齐性在定性和定量上均优于基线。

Score Distillation Sampling（SDS）是一种新近但已经广泛流行的方法，依赖于图像扩散模型来控制使用文本提示的优化问题。该论文对SDS损失函数进行了深入分析，确定了其制定中的固有问题，并提出了一个出人意料但有效的修复方法。具体而言，我们将损失分解为不同因素，并分离出产生噪声梯度的组件。在原始制定中，使用高文本指导来账户噪声，导致了不良副作用。相反，我们训练了一个浅层网络，模拟图像扩散模型的时间步相关去噪不足，以有效地将其分解出来。我们通过多个定性和定量实验（包括基于优化的图像合成和编辑、零样本图像转换网络训练、以及文本到3D合成）展示了我们新颖损失制定的多功能性和有效性。

ImageToPromptAI是一个AI工具，可以将图像转换为文本提示。用户可以上传图像并创建一系列文本提示，AI会根据图像生成相应的文本描述。该工具可以用于稳定扩散，生成可比较的图像/绘画变化。用户可以根据自己的需求选择不同的套餐，无需订阅。

img2prompt是一个通过图像生成文本提示的模型。它使用OpenAI CLIP模型和BLIP标题，将给定的图像与不同的艺术家、媒介和风格进行比较，并提供类似的文本提示，用于创建类似的图像。您可以将这些文本提示复制到stable diffusion中使用。