ICML最佳论文SD3上线公共教程!DreamBench++图像自动评估新基准来了,实现人类偏好深度对齐

Dreambooth、ControlNet、LoRA等可控生成技术 在当今的人工智能领域,涌现出了一系列令人瞩目的可控生成技术,如 DreamBooth、ControlNet 和 LoRa。DreamBooth 是一种利用扩散模型进行定制化图像生成的技术。通过提供少量特定主题的参考图像,微调预训练好的扩散模型,使其能够生成包含特定主题特征的新图像。例如,可以用自己的狗狗照片进行训练,从而生成狗狗在不同场景下的图像。DreamBooth 的优势在于能避免过拟合和语言漂移问题,可以用一个罕见的词来代表图片的含义,保证新加入的图片对应的词在模型中没有太多的意义。 阅读详情

近日,ICML 2024 最佳论文公布了!其中就包含年度图像生成的「网红模型」——Stable Diffusion 3(简称 SD3)。SD3 是由 Stability AI 开发的最新文本到图像生成模型,前段时间已经全网开源!HyperAI 超神经现已上线 ComfyUI 工作流运行 SD3 的教程, 欢迎大家在阅读论文的同时体验 SD3 的技术革新!

SD3 教程链接:https://go.hyper.ai/ojO3g

7 月 22 日-7 月 26 日,hyper.ai 官网更新速览:

  • 优质公共数据集:10 个

  • 优质教程精选:3 个

  • 社区文章精选:4 篇

  • 热门百科词条:5 条

  • 8 月截稿顶会:4 个

访问官网:hyper.ai

公共数据集精选

1. DreamBooth 图像数据集

该数据集包含 30 个不同类别的主体,包括 9 个活体主体(例如狗和猫)和 21 个对象,每个主体有 4 到 6 张图片。它允许使用少量图像来训练模型,使其能够在多种不同的情境中生成该特定个体的图像,同时保持其关键的视觉特征。

直接使用:https://go.hyper.ai/Jiqg6

2. ChlD 大规模中文成语数据集

该数据集包含 581K 段落和 729K 空白,并涵盖多个领域。在 ChID 中,段落中的习语被替换为空白符号。对于每个空白,提供包括黄金习语在内的候选习语列表作为选择。

直接使用:https://go.hyper.ai/dt4AR

3. CCPM 中国古典诗歌匹配数据集

该数据集为清华大学于 2021 年推出的中国古典诗歌匹配数据集 (Chinese Classical Poetry Matching Dataset),包含训练集 (21,778 句)、验证集 (2,720 句) 和测试集 (2,720 句)。

直接使用:https://go.hyper.ai/ymhF6

4.MMDU 超长多图多轮对话理解数据集

MMDU 基准包括 110 个高质量的多图像多轮对话,其中包含 1,600 多个问题,每个问题都附有详细的长篇答案。MMUD 中的问题涉及 2 到 20 张图像,平均图像和文本标记长度为 8.2K 个标记,最大图像和文本长度达到 18K 个标记,对现有的多模态大型模型提出了重大挑战。

直接使用:https://go.hyper.ai/vNyjl

5. ModeINet10 普林斯顿 3D 对象数据集

ModelNet10 数据集是 ModelNet40 数据集的一部分,包含浴缸、床、椅子、桌子等 10 类 CAD 家具模型的 4,899 个预对齐形状。其中 3,991 个 (80%) 形状用于训练,908 个 (20%) 形状用于测试。

直接使用:https://go.hyper.ai/ZPFKs

6. Fall detection Dataset 跌倒检测数据集

该数据集包含图像文件夹和标签文件夹。图像文件夹包含两个子文件夹 train (374 张图像)用于训练,Val(111 张图像)用于验证。

直接使用:https://go.hyper.ai/WAKTy

7. baike _qa2019 百科类问答 json 版数据集

该数据集含有 150 万个预先过滤过的、高质量问题和答案,每个问题属于一个类别。总共有 492 个类别,其中频率达到或超过 10 次的类别有 434 个。

直接使用:https://go.hyper.ai/3KWJ8

8. DreamBench++ 图像自动评估基准数据集

DreamBench++ 是一个由清华大学、西安交通大学、伊利诺伊厄巴纳-香槟分校、中科院、旷视的研究人员于 2024 年共同推出的新基准,旨在解决个性化图像生成技术评估中存在的问题。它通过引入支持多模态的 GPT-4o,实现了与人类偏好的深度对齐和自动化评估,并推出了一个更为全面和多元化的数据集。

直接使用:https://go.hyper.ai/glVDV

9. COVID-19 Radiography Database 胸部X光图像数据库

该数据集包含 3,616 个 COVID-19 阳性案例、 10,192 个正常案例、 6,012 个肺部不透明 (非 COVID-19 肺部感染) 案例和 1,345 个病毒性肺炎图像及相应的肺部掩模图像,用于帮助研究人员在 COVID-19 大流行期间开展研究工作。

直接使用:https://go.hyper.ai/89Wxz

10. Oceanlnstruct 海洋大模型指令数据集

该数据集包含 2 万条指令,旨在为海洋领域的大型语言模型提供训练数据。这些指令覆盖了广泛的海洋科学知识,确保模型在海洋科学问答、内容生成和水下具身智能能力等方面具备专业能力。

直接使用:https://go.hyper.ai/WuYlv

更多公共数据集,请访问:

https://hyper.ai/datasets

公共教程精选

1. 在线教程 | Stable Diffusion 3 Medium 现已开源,一键开启你的创作之旅!

文生图界的扛把子 Stability AI 开源的模型 Stable Diffusion 3 Medium(简称 SD3),在图像质量、复杂提示理解以及资源效率方面都有显著提升,能够生成细节逼真、色彩鲜艳、光照自然的图像,可适应多种风格!教程将 SD3 的文生图能力与 ComfyUI 的工作流强强结合,即刻上手开启创作之旅。

在线运行:https://go.hyper.ai/ojO3g

2. Kolors 快手可图文生图大模型 Demo

Kolors 是快手 Kolors 团队开发的基于潜在扩散的大规模文本到图像生成模型。经过数十亿个文本图像对的训练,Kolors 在视觉质量、复杂语义准确性以及中英文字符的文本渲染方面比开源和闭源模型表现出显着优势。该教程无需输入任何命令,一键克隆即可立即开启图像生成。

在线运行:https://go.hyper.ai/ur8q7

3. 一键部署 Mistral-Nemo-Instruct-2407

Mistral-Nemo-Instruct-2407 是Mistral AI 和 NVIDIA 联合开源的 Mistral-Nemo-Base-2407 指令微调版本,其性能明显优于现有较小或类似尺寸的模型。Mistral NeMo 参数量为 120 亿 (12B),上下文窗口为 128k,其推理、世界知识和编码准确性在同类规模中处于领先地位。该教程为一键部署 Mistral-Nemo-Instruct-2407,相关环境和依赖已经安装完毕,只需克隆即可推理体验。

在线运行:https://go.hyper.ai/zGkci

社区文章精选

1. 小模型大突破!神经网络透视空间异质性,准确描述复杂地理现象

在「Meet AI4S」系列直播第一期中,HyperAI超神经有幸邀请到了浙江大学遥感与地理信息系统博士生丁佳乐。他以「神经网络为房价的空间异质性提供新解释」为题,深入浅出地对研究成果进行了讲解。本文是对丁博士的分享精华总结。

查看完整报道:https://go.hyper.ai/g2fXy

2. 引入零样本学习,华中科大发布针对甲骨文破译优化的条件扩散模型

华中科技大学白翔、刘禹良研究团队联合阿德莱德大学、安阳师范学院、华南理工大学,利用基于图像的生成模型,训练出了一种针对甲骨文破译优化的条件扩散模型 OBSD,为自然语言处理难以解决的古文字识别任务提供了一种新颖的方法。本文是对相关论文的详细解读与分享。

查看完整报道:https://go.hyper.ai/fLcZU

3. 数据集汇总丨萝卜快跑明年盈利?自动驾驶开启「端到端」新时代,高质量数据集助力 AI 大模型上车

自动驾驶开启「端到端」新时代,高质量数据集扮演重要角色。对此,HyperAI超神经为大家汇总了 10 个热门开源的自动驾驶数据集供大家收藏使用。

查看完整报道:https://go.hyper.ai/5nj1s

4. 入选ACL 2024!浙大推出首个海洋大语言模型OceanGPT,水下具身智能成现实

浙江大学计算机科学与技术学院张宁豫、陈华钧团队提出了首个海洋领域大语言模型 OceanGPT,该模型可根据海洋学家的指令回答问题,在海洋工程方面获得了初步具身智能能力。本文是对相关论文的详细解读与分享。

查看完整报道:https://go.hyper.ai/b6tqu

热门百科词条精选

1. 缩放定理 Scaling Law

2. 掩码语言建模 MLM

3. 数据增强 Data Augmentation

4. 长短期记忆 Long Short-Term Memory

5. 量子神经网络 Quantum Neural Network

这里汇编了数百条 AI 相关词条,让你在这里读懂「人工智能」:

https://go.hyper.ai/wiki

在这里插入图片描述

一站式追踪人工智能学术顶会:https://go.hyper.ai/event

以上就是本周编辑精选的全部内容,如果你有想要收录 hyper.ai 官方网站的资源,也欢迎留言或投稿告诉我们哦!

下周再见!

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区, 致力于成为国内数据科学领域的基础设施,为国内开发者提供丰富、优质的公共资源,截至目前已经:

  • 为 1300+ 公开数据集提供国内加速下载节点

  • 收录 400+ 经典及流行在线教程

  • 解读 100+ AI4Science 论文案例

  • 支持 500+ 相关词条查询

  • 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅:

https://hyper.ai/

AI大模型:(二)2.4 微调自己的模型 在预训练好的大型语言模型(如GPT、LLaMA、BERT等)基础上,使用特定任务或领域的数据进行二次训练,使模型适应具体需求的技术。类似“在通用知识基础上学习专项技能”。例如,一个学过各科知识的大学生,通过针对性训练成为医生或律师。微调是连接通用大模型与垂直应用的桥梁,通过“小数据+轻训练”即可解锁专业能力,已成为AI落地的核心技术。其核心逻辑是:用最小的调整代价,实现最大的任务收益。 阅读详情

相关推荐

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

jks212454的博客 476

SD模型微调之DreamBooth

SD模型微调方法DreamBooth详细介绍,包括数据集准备,模型微调过程,优缺点等。

分享包括但不限于计算机基础知识、数据结构与算法、Golang技术栈。年与时驰,意与日去,遂成枯落,多不接世,悲守穷庐,将复何及! 3355

【Hypermesh】TetraMesh Panel 常用选项详解

结合Hypermesh 2020 帮助文档和自己的一点使用经验,整理了这个博客。

qgm1702的博客 3683

如何训练自己的大模型:从数据准备到模型微调

如何训练自己的大模型:从数据准备到模型微调

嗨,欢迎来到我的 优快云 博客小天地!一名深耕多年的技术发烧友。在这里,我将把日常工作中积累的宝贵经验,从复杂架构设计的精妙之处,到代码优化的实战技巧,毫无保留地分享给大家。 5749

ArcGISPro小白必看:5分钟搞定3D地形图制作(附免费数据源)

本文为ArcGISPro初学者提供5步制作专业3D地形图的完整指南,涵盖免费数据获取、项目初始化、数据预处理、3D场景构建和成果输出等关键步骤。特别推荐使用NASA的SRTM高程数据和吉林一号卫星影像,帮助用户快速掌握3D地形图制作技巧,适用于教学演示和科研分析。

weixin_28314575的博客 245

深入解析磁盘性能测试:vdbench与fio的实战对比

本文深入对比了磁盘性能测试两大工具vdbench与fio的核心定位与实战应用。vdbench擅长多客户端、可编排的存储系统集成测试,而fio则以灵活的单机深度定制见长,是测试硬件极限和模拟特定应用IO模型的利器。文章通过安装指南、参数解析和典型场景对比,帮助读者根据需求选择合适工具,精准评估磁盘性能。

weixin_29300931的博客 332

Stable Diffusion——Dreambooth 模型

Dreambooth 是2022年谷歌发布的一种训练模型的方式,该方式通过向模型注入自定义的主题来微调扩散模型Google 团队解释了为什么给这个训练方法起这样一个名字“Dreambooth : It’s like a翻译过来大概意思就是,在一个小拍照亭( booth:一个小黑屋,在屋子里你可以照半身像的照片)中进行拍照,无论是人物、动物或物体等等,一旦你拍照成功,那么“你便可以任由梦想带你去到任何一个场景”,即这个照片里的主角都可以被合成融入到任何的“梦想的场景”中。

m0_71746299的博客 1228

【雷达信号处理实战】从原理到代码:脉冲多普勒(PD)处理全流程解析与MATLAB仿真

本文深入解析了脉冲多普勒(PD)雷达信号处理的核心原理与全流程。通过剖析多普勒效应、脉冲压缩与慢时间FFT等关键技术,并结合详细的MATLAB仿真代码,手把手指导如何从信号建模、回波模拟到最终生成距离-多普勒谱,实现运动目标的精确测距与测速,直观展示了相参积累带来的显著性能增益。

pca5navigator的博客 964

DREAMBOOTH:在 Stable Diffusion 上训练你自己的风格,就像 Midjourney 一样。

Stable Diffusion DreamBooth:训练自定义风格的详细指南 这段文字介绍了如何使用 Stable Diffusion DreamBooth 训练自定义风格,并以 disco diffusion 风格为例进行了演示。 主要内容: 介绍 DreamBooth 风格训练: 视频介绍了如何使用 DreamBooth 训练自定义风格,并提到了此前视频中未涉及的具体步骤。 Huggi...

Aitrepreneur的博客 643

Jetson Orin边缘语音AI实战:用Riva ASR/TTS + Llama 2打造离线智能语音助手

本文详细介绍了如何利用NVIDIA Jetson Orin的边缘计算能力,结合Riva ASR/TTS语音引擎和Llama 2大语言模型,构建完全离线的智能语音助手。通过硬件优化、量化部署和性能调优,实现在网络不稳定环境下的高效语音交互,适用于智能家居、车载系统等场景。

weixin_29053383的博客 243

从ORCAP-1589警告看Cadence ORCAD的DRC设置:如何避免‘网络别名’引发的潜在短路风险

本文深入解析Cadence ORCAD中ORCAP-1589警告的深层含义,探讨网络别名可能引发的短路风险及DRC设置优化方案。通过分析网络别名的设计意图、DRC规则配置及最佳实践,帮助工程师有效规避设计风险,提升电路设计的可靠性和规范性。

weixin_34194829的博客 298

ICML最佳论文SD3上线公共教程!DreamBench++图像自动评估新基准来了,实现人类偏好深度对齐...

日,ICML 2024 最佳论文公布了!其中就包含年度图像生成的「网红模型」——Stable Diffusion 3(简称 SD3)。SD3 是由 Stability AI 开发的最新文本到图像生成模型,前段时间已经全网开源!HyperAI 超神经现已上线 ComfyUI 工作流运行 SD3 的教程, 欢迎大家在阅读论文的...

weixin_33983238的博客 231

从临床试验到互联网AB测试:边缘结构模型(MSM)如何解决‘时依性混杂’这个老大难问题

本文探讨边缘结构模型(MSM)如何解决时依性混杂问题,适用于临床试验和互联网AB测试。通过逆概率加权(IPTW)等方法,MSM能有效剥离混杂效应,准确评估长期干预效果。文章结合跨领域案例,详细解析MSM的核心原理、实施步骤及在推荐算法效果评估中的实战应用,帮助读者掌握这一先进因果推断工具。

weixin_28725949的博客 210

DREAMBOOTH:用你自己的脸和风格训练Stable Diffusion!

视频摘要: 本视频介绍使用Dreambooth和Stable Diffusion的检查点合并功能,将自己的脸和一种风格融合在一起的方法。 视频内容包括: 作者通过大量实验,探索将角色和风格融合的最佳方法,并分享了实验结果。 作者强调没有一种方法适用于所有风格,可能需要结合多种技术才能获得理想结果。 视频展示了使用Dreambooth训练的Renera模型作为基础,并使用相同的参数和种子进行生成。...

Aitrepreneur的博客 506

SAP ABAP 实用小技巧合集 (一)

本合集包含了笔者从事 ABAP 开发 17 年以来积累的小技巧。持续更新。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 3240

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

小学生也能听得懂的大模型 - Transformer 1

参考 [小学生也能听得懂的大模型 Transformer 1]

2401_85325557的博客 1739

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Stable Diffusion 系列教程 - 6 Dreambooth及训练_dreambooth 训练

批次大小设1(DB训练本身很慢,动不动十几个小时,从这里抠速度意义不大,设大了反而容易波动)。stop_next_encoder_training:控制AI对我们对数据集中打的标的认识程度,低了AI会对打的标不敏感,高了容易过拟合。这个值的计算公式:敏感程度×图像数量×max_train_epoch,比如308张图,40%的敏感度,则stop_next_encoder_training=308×0.4×200=24640。这里的重复次数乘以下面的最大训练轮数相当于插件版的epochs。

月流霜的专栏 504

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

SD模型训练之Dreambooth

Dreambooth 是一种将任何东西——你所爱的人、你的狗、你最喜欢的玩具——放入 Stable Diffusion 模型中的方法。我们将介绍什么是 Dreambooth,它是如何工作的,以及如何进行培训。本教程面向使用过 Stable Diffusion 但以前没有使用过 Dreambooth 的人。您将按照分步指南准备您的训练图像,并使用我们简单的一键式 Colab 笔记本进行 dreambooth 培训。无需编码!

m0_59162559的博客 1354

如何用Stable Diffusion训练一个自己的lora模型?

Stable Diffusion入门使用技巧及个人试用实例系列文章已经更新5篇了,今天准备给大家更新第六篇,个人如何最简单的训练lora。

m0_59162248的博客 1458

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87
上一篇: 催化能力提高 3.5 倍!中科院团队基于扩散模型,开发 P450 酶从头设计方法 P450Diffusion
下一篇: 差1分夺金!DeepMind组合AI系统19秒解IMO几何题;耀速科技完成亿元级天使+轮融资,持续推动AI+类器官芯片...
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值