12款Stable Diffusion常用模型

AI智能摘要

文章介绍了12款常用于StableDiffusion的模型，涵盖CLIP系列文本编码器、VAE、LoRA及图像处理模型，分别用于提示词理解、动漫生成、细节增强、人脸修复与替换、目标检测和语义分割等任务，支持多模态生成与优化。

— 此摘要由AI分析文章内容生成，仅供参考。

扩散模型是一类受到自然界扩散现象启发的生成式人工智能算法。其核心思想是通过模拟数据中逐步添加噪声的过程，再学习逆向还原出清晰数据，从而实现从随机噪声生成高质量图像、音频等内容。

模型列表：

CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors
- 大规模CLIP视觉-语言模型，适用于图文匹配与提示词理解
CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors
- 基于Vision Transformer结构的CLIP模型，具备较强的跨模态理解能力
clip-vit-large-patch14.bin
- 常用版本的CLIP模型，广泛用于Stable Diffusion中的文本编码模块
CLIPVision.safetensors
- 视觉编码器版本，适用于图像内容理解任务
animevae.pt
- 针对动漫风格优化的VAE模型，可提升生成图像的色彩和细节表现
charturnerbetaLora_charturnbetalora.safetensors
- LoRA适配模型，用于角色转身或视角变换类生成任务
smooth_lora.safetensors
- 平滑风格LoRA模型，用于柔和画风或平滑过渡效果
more_details.safetensors
- 细节增强模型，可在生成过程中强化图像局部细节
codeformer-v0.1.0.pth
- 盲脸修复模型，能够有效恢复生成图中模糊或失真人脸
inswapper_128.onnx
- 人脸替换模型，支持将指定人脸融合到生成图像中
detection_Resnet50_Final.pth
- 基于ResNet-50的目标检测模型，常用于人体、人脸等区域识别
parsing_parsenet.pth
- 图像语义解析网络，支持人像或场景的结构化分割

夸克网盘

Loading…