Parseq 项目教程

Parseq 项目教程

sd-parseq Parameter sequencer for Stable Diffusion sd-parseq 项目地址: https://gitcode.com/gh_mirrors/sd/sd-parseq

1. 项目介绍

Parseq 是一个用于 Stable Diffusion 的参数序列器,特别为 Automatic1111 的 Deforum 扩展设计。它允许用户生成动画,并通过灵活的插值控制多个 Stable Diffusion 参数,如种子、比例、提示权重、噪声、图像强度等,以及输入处理参数,如缩放、平移和 3D 旋转。

Parseq 主要特点包括:

  • 使用关键帧和脚本化插值的高级参数控制。
  • 支持音频事件检测,并将其用于视频生成。
  • 预览 3D 运动和最终提示,确保生成效果符合预期。
  • 简单集成到 Automatic1111 的 Deforum 扩展中。

2. 项目快速启动

2.1 安装依赖

首先,确保你已经安装了 Automatic1111 的 Stable Diffusion UI。然后,安装 Deforum 扩展。

# 克隆项目
git clone https://github.com/rewbs/sd-parseq.git
cd sd-parseq

# 安装依赖
npm install

2.2 启动项目

npm start

2.3 使用 Parseq

  1. 创建参数清单

    • 访问 https://sd-parseq.web.app/ 或本地启动的 UI。
    • 编辑表格以指定关键帧和参数值。
    • 复制“输出”文本框中的内容。
  2. 生成视频

    • 打开 Stable Diffusion Web UI 并进入 Deforum 标签页。
    • 将 JSON 或 URL 粘贴到 Parseq 部分。
    • 调整其他 Deforum/Stable Diffusion 设置。
    • 点击“生成”。

3. 应用案例和最佳实践

3.1 音频控制的提示

通过音频的振幅和音高来影响提示,生成动态变化的图像。

3.2 3D 旋转与平移

结合 3D 旋转和平移,围绕主题生成动画。

3.3 种子旅行

通过种子旅行功能,生成连续变化的图像序列。

4. 典型生态项目

4.1 Automatic1111/stable-diffusion-webui

这是 Stable Diffusion 的 Web UI,提供了用户友好的界面来生成图像。

4.2 Deforum

Deforum 是一个基于笔记本的 UI,专门用于使用 Stable Diffusion 创建视频。

4.3 Deforum 扩展

这是 Automatic1111 Web UI 的一个扩展,集成了 Deforum 笔记本的功能,允许用户使用 Parseq 生成动画。

sd-parseq Parameter sequencer for Stable Diffusion sd-parseq 项目地址: https://gitcode.com/gh_mirrors/sd/sd-parseq

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

资源下载链接为: https://pan.quark.cn/s/3d8e22c21839 随着 Web UI 框架(如 EasyUI、JqueryUI、Ext、DWZ 等)的不断发展与成熟,系统界面的统一化设计逐渐成为可能,同时代码生成器也能够生成符合统一规范的界面。在这种背景下,“代码生成 + 手工合并”的半智能开发模式正逐渐成为新的开发趋势。通过代码生成器,单表数据模型以及一对多数据模型的增删改查功能可以被直接生成并投入使用,这能够有效节省大约 80% 的开发工作量,从而显著提升开发效率。 JEECG(J2EE Code Generation)是一款基于代码生成器的智能开发平台。它引领了一种全新的开发模式,即从在线编码(Online Coding)到代码生成器生成代码,再到手工合并(Merge)的智能开发流程。该平台能够帮助开发者解决 Java 项目中大约 90% 的重复性工作,让开发者可以将更多的精力集中在业务逻辑的实现上。它不仅能够快速提高开发效率,帮助公司节省大量的人力成本,同时也保持了开发的灵活性。 JEECG 的核心宗旨是:对于简单的功能,可以通过在线编码配置来实现;对于复杂的功能,则利用代码生成器生成代码后,再进行手工合并;对于复杂的流程业务,采用表单自定义的方式进行处理,而业务流程则通过工作流来实现,并且可以扩展出任务接口,供开发者编写具体的业务逻辑。通过这种方式,JEECG 实现了流程任务节点和任务接口的灵活配置,既保证了开发的高效性,又兼顾了项目的灵活性和可扩展性。
### 下载 PARSeq 数据集的方法 对于希望获取用于训练和验证 PARSeq 模型的数据集,通常需要遵循特定的流程来准备相应的 OCR 数据集。由于官方并没有提供直接下载 PARSeq 特定数据集的方式,可以按照如下方法构建适合该模型使用的数据集。 #### 准备环境 确保安装了必要的库和支持工具,以便处理和转换数据集: ```bash pip install -r requirements.txt ``` 其中 `requirements.txt` 文件应包含所有依赖项,如 PyTorch、torchvision 等。 #### 创建数据集配置文件 依据给定的信息,在项目目录下创建一个新的 Python 文件名为 `dataset.py` 并定义训练与测试所需的数据源路径及属性[^3]。 ```python data_root = "/path/to/your/dataset" data_textdet_train = dict( type="OCRDataset", data_root=data_root, ann_file="textdet_train.json", filter_cfg=dict(filter_empty_gt=True, min_size=32), ) data_textdet_test = dict( type="OCRDataset", data_root=data_root, ann_file="textdet_test.json", test_mode=True, ) ``` 这里假设已经拥有标注文件 (`textdet_train.json`, `textdet_test.json`) 及对应的图片资源存放在指定位置 `/path/to/your/dataset` 中。 #### 获取公开可用的数据集 考虑到 PARSeq 的应用场景主要是场景文字识别(STR),可以从多个开源平台获得合适的 STR 基准数据集,比如 MJSynth、SynthText 或者其他真实世界图像集合,这些都可以作为预训练的基础。具体来说,STVQA 包含 31K 个需理解场景文本的问题;TextVQA 则有 45K 个问题涉及自然图像中的文本解析;而 DocVQA 和 InfoVQA 更侧重于文档内的图文混合内容解读[^4]。 #### 使用现成的数据集链接 如果目标是快速启动实验而不必自行收集大量样本,则可以直接从已有的公共仓库拉取相关资料。例如 GitHub 上有许多社区维护的良好标记过的 OCR 数据集可供选择。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

段琳惟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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