多模态大语言模型：Multimodal Large Language ModelsMM-LLM=预训练单模态模型（ 含LLMs） + 微调对齐所有模态+ 输出调整MM-LLMs 利用现成的预训练单模态基础模型，特别是强大的大型语言模型（LLMs）， 作为认知核心，赋予各种多模态任务能力。LLMs 提供了稳健的语言生成、zero-shot 迁移能力和上下文学习（ICL）等可取特性在这一领域中，主要关

多模态数据集制作

Vicuna（音标 vɪˈkjuːnə ,小羊驼、骆马）是基于LLaMA的指令**微调**模型（类似GPT的文本生成模型）与LLaMA:是基础大语言模型，用大量质量一般的互联网文本数据训练，与GPT3 、PaLM类似Vicuna 用ShareGPT网站的用户分享的7w条ChatGPT对话记录，对 LLaMA进行监督质量微调训练（Supervised Finturning），性能超越了LLaMa和S

1.SDXL在用户偏好效果方面似乎大大**超过了v1.5和v2.1，甚至与并列！！2.SDXL很大(2.6B Unet 参) --> 比以前的SD更慢+更多的VRAM3.两个CLIP txt-encoders，而不是一个调节向量串联，拥有更好的文本图片对齐（更听话）4.略有改进的VAE5.处理低分辨率训练图像（以图像尺寸为条件的模型）、随机裁剪（以裁剪位置为条件的模型）和非方形图像（以长宽比为条件

基于qwen1.0 和lora微调,训练自己的对话机器人

comfyui的图像基本操作，重绘，img2img图像生成

【云平台】在线免费运行stable-diffusion-webui (无需配置环境)

微软的Azure页面 ： https://learn.microsoft.com/zh-cn/azure/ai-services/openai/concepts/models调用代码：https://learn.microsoft.com/zh-cn/azure/ai-services/openai/how-to/switching-endpointsopenai说明: https://platf

2023年11月21日** 由 `Stability AI` 开源2个`图片到视频模型它将静止图像（still image）作为条件帧(conditioning frame)，并从中生成视频分辨率（`1024x576`）。1. 上传已有1张图片，生成相关的视频片段、生成视频长度2-5秒，帧率 3-30帧每秒，2. 串联一个Stable-XL模型，生成图片后，再生成视频(文字到图片再到视频)

虚拟换衣相关