Stable Diffusionで出力したイラスト集
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
このブログの人気の投稿
FFmpegで画像のピクセルサイズを指定して、変換する方法 忘備録
きっかけ chrome拡張機能作成時に、アイコンの画像データが必要になった。 やり方 ffmpeg -i input.png -vf "scale=128:128" output.png 引数の説明 -i input.png: 入力ファイルを指定します。input.png は変換元の画像ファイルです。この部分を変換元の画像ファイルのパスに置き換えてください。 -vf "scale=128:128": ビデオフィルタを指定します。この場合、スケールフィルタを使用して画像のサイズを変更します。128:128 は変換後の画像の幅と高さをピクセル単位で指定しています。ここでは、画像を128x128にリサイズしています。 output.png: 出力ファイルのファイル名を指定します。変換後の画像が output.png というファイル名で保存されます。この部分を任意のファイル名に置き換えることができます。
画像生成AI Stable Diffusionを使って画像出力する。その2 コード解説編
画像生成AI Stable Diffusionを使って画像出力する。その１ で、使用したコードの解説です。まだ、上の記事を見ていない場合は先に見てください。 from diffusers import StableDiffusionPipeline , DPMSolverMultistepScheduler import torch from diffusers import StableDiffusionPipeline # 利用したいAIモデル # Stable Diffusionにはさまざまな派生モデルがあります model_id = "gsdf/Counterfeit-V2.5" # パイプラインの作成 pipeline = StableDiffusionPipeline.from_pretrained ( model_id , torch_dtype=torch.float16 ) # GPUを使うように変更 pipeline = pipeline.to ( "cuda" ) このコードは、Stable Diffusionと呼ばれる派生モデルを使用して、画像の生成や修復などのタスクを行うためのパイプラインを作成するためのものです。Stable Diffusionは、画像生成や修復において高品質な結果を提供するためのモデルです。 上記のコードでは、diffusersというモジュールから StableDiffusionPipelineとDPMSolverMultistepSchedulerというクラスをインポートしています。 torchモジュールもインポートされています。 import torchについて 画像生成のときの計算の精度をfloat32からfloat16に落とすことで、画像生成の速度を高速にすることができる。公式も使用を推奨している方法で、実際に生成した画像を見比べたときに大きな差がないです。 使い方 パイプラインの作成に torch_dtype=torch.float16 を追加する。 次に、利用したいAIモデルの識別子をmodel_idに指定します。この例では、"gsdf/Counterfeit-V2.5"というモデルを使用しますが、実際には他の派生モデルを選択するこ...
コメント
コメントを投稿