基于stable-diffusion-v1.4的vae对图像重构。

CC-Switch是一款管理AI编程工具(Claude/Codex/Gemini等)的桌面应用，提供可视化界面统一管理配置、供应商切换和扩展功能。安装需下载MSI安装包，配置Node.js环境并安装对应CLI工具(npm全局安装)。使用时可选择供应商API密钥，通过命令行调用工具(如codex)进行AI编程交互，支持模型选择和文件生成操作。配套教程链接提供详细配置指南，适合开发者统一管理多AI工具

23.06 LLaVA-Med 使用通用领域( general-domain)的 LLaVA 进行初始化.然后60W+6W的数据以课程学习方式(curriculum learning)持续训练（首先是**生物医学概念对齐**（biomedical concept alignment）, 然后是全面的指令微调( instruction-tuning)）。

NeRF的核心优化手段： 端到端可微渲染（紧致-高效的三维视觉信息表达）从更本质的角度建立了二维图像与三维世界的联系

LInux切换到`root用户`再进行conda安装，可能之前conda某些包使用在root 用户下进行安装

中文英文模型，GPT-4性能是当着无愧的王者，但无法使用。`中文评测平台`榜单比较混乱，看个人使用习惯。

虚拟换衣相关

Kolors=(SDXL Unet + chatGLM3 + CogVLM + 数十亿图像预训练+数百万高质量图片）Kolors，这是一种基于`SDXL`的 U-Net 架构的潜在扩散模型（latent diffusion model），通过中英文模型`chatGLM3` （General Language Model, GLM）和由**多模态** **`CogVLM`** 生成的细粒度文本标题。

多模态数据集制作

基于指令（Instruction-based）的图像编辑通过自然命令提高了图像操作的可控性和灵活性，而无需详细描述或区域掩模。然而，人类的指令有时过于简短，目前的方法无法捕捉和遵循。多模态大语言模型MLLMs))在跨模态理解和视觉感知响应生成方面显示出很好的能力。我们研究了mllm如何促进编辑指令和呈现mllm引导的图像编辑(MGIE)。MGIE学习推导表达指令并提供明确的指导。编辑模型共同捕获这