转载自： 别训练LoRA了！StyleDrop来袭，AI一张图片变换风格图像 ！

扫除AI绘画的迷雾，全面解读AIGC的秘密！ 加入《AI绘画与AIGC实践之路》专栏，一睹究竟！ Google 最新发布了一个叫StyleDrop的项目，它利用Muse和CLIP这两个人工智能模型来实现一种新的文字转图像技术。这个技术可以高度仿真地生成特定风格的图片。

StyleDrop的用途非常广泛，它可以根据用户提供的细微的风格差别和细节，像是配色，阴影，图案，本地特色和全球通用的效果来生成图片。StyleDrop的工作原理是通过调整极少的参数(模型总参数的1%都不到)来高效学习新的风格，然后通过人工或自动的反馈迭代训练来提高质量。更棒的是，即便用户只提供一张指定风格的图片，StyleDrop也可以产生令人印象深刻的结果。广泛的研究显示，在文字转图像模型中调整风格这一任务上，StyleDrop的性能明显优于其他方法,包括DreamBooth、Imagen上的Textual Inversion和Stable Diffusion。

论文地址：https://arxiv.org/abs/2306.00983

从单个图像生成程式化的文本到图像

StyleDrop可以参考单个图像的任何样式，从文本提示中直接生成高质量图像。只需使用自然语言样式描述（例如，“融化的金色3d渲染样式”）。

程式化字符渲染

StyleDrop可以生成由一张参考图片描述的统一风格的字母图片。在训练和生成图片时,自然语言的风格描述(比如“抽象的彩虹色流动的烟雾波浪设计”)会附加到内容描述中。

与您的风格助理合作

StyleDrop非常易于使用您自己的品牌资产进行训练,可以快速帮助您用自己的风格创建原型创意。在训练和生成图片时,自然语言中的风格描述也会附加到内容描述中。

与扩散模型微调的比较

StyleDro模型的现有方法，下面第一行是参考样式，下面分别是StyleDrop、Dreambooth、LoRA、TextInversion、PEZ各种方法的对比效果。

可以明显看出StyleDrop的效果远远强于其他方法。这项技术非常令人兴奋，一旦进入实用阶段，将极大的提高风格迁移的效率。从以往的TextInversion、Dreambooth、Lora、ControlNet Reference，再到StyleDrop，现在我们已经进化到一张图片即可完成风格的迁移，风格样式的迁移越来越简单，越来越高效。 如果你想紧跟AI技术的最新进展，欢迎加入我的公众号专栏《AIGC从入门到精通专栏》，及时获取最新技术动态！

*根据你的喜好，推荐阅读以下AI绘画内容：*

公众号精选内容

基础入门 | 建筑室内 | 模型训练 | ChatGPT

StableDiffusion  |  Midjourney  |  进阶专栏

2023.5 ｜ 2023.4 ｜ 2023.3 ｜ 2023.2 | 2022

☞三连击支持点赞 +在看 + 分享****👇