Programa do Curso

Introdução a Stable Diffusion

  • Visão geral de Stable Diffusion e das suas aplicações
  • Comparação do Stable Diffusion com outros modelos de geração de imagens (por exemplo, GANs, VAEs)
  • Caraterísticas avançadas e arquitetura de Stable Diffusion
  • Para além do básico: Stable Diffusion para tarefas complexas de geração de imagens

Construção de modelos Stable Diffusion

  • Configurar o ambiente de desenvolvimento
  • Preparação e pré-processamento de dados
  • Treinar Stable Diffusion modelos
  • Ajuste de hiperparâmetros Stable Diffusion

Técnicas Stable Diffusion avançadas

  • Inpainting e outpainting com Stable Diffusion
  • Tradução de imagem para imagem com Stable Diffusion
  • Utilização de Stable Diffusion para aumento de dados e transferência de estilo
  • Trabalhar com outros modelos de aprendizagem profunda juntamente com Stable Diffusion

Otimização de modelos Stable Diffusion

  • Melhorar o desempenho e a estabilidade
  • Lidar com conjuntos de dados de imagens em grande escala
  • Diagnosticar e resolver problemas com modelos Stable Diffusion
  • Técnicas avançadas de visualização Stable Diffusion

Estudos de casos e melhores práticas

  • Aplicações do mundo real de Stable Diffusion
  • Melhores práticas para a geração de imagens Stable Diffusion
  • Métricas de avaliação para modelos Stable Diffusion
  • Direcções futuras para a investigação Stable Diffusion

Resumo e próximos passos

  • Revisão dos principais conceitos e tópicos
  • Sessão de perguntas e respostas
  • Próximas etapas para utilizadores avançados de Stable Diffusion

Requisitos

  • Experiência em aprendizagem profunda e visão computacional
  • Familiaridade com modelos de geração de imagens (por exemplo, GANs, VAEs)
  • Proficiência em programação Python

Público

  • Cientistas de dados
  • Engenheiros de aprendizagem automática
  • Investigadores de visão por computador
 21 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas