DreamO: 統合画像カスタマイズフレームワーク
1. チュートリアルの概要
DreamOは、ByteDanceと北京大学深圳大学院電子コンピュータ工学学院が2025年5月12日に発表した統合画像カスタマイズフレームワークです。このプロジェクトは、さまざまな画像生成タスクを統合し、衣装変更（IP）、顔変更（ID）、スタイル転送（Style）、複数被写体の組み合わせなどの複雑な機能をサポートし、単一のモデルを通じてマルチ条件制御を実現するDiT（Diffusion Transformer）アーキテクチャに基づいています。関連する論文の結果は以下の通りである。DreamO: 画像カスタマイズのための統合フレームワーク”。
このチュートリアルでは、単一カード A6000 のリソースを使用します。
2. プロジェクト例
3. 操作手順
1. コンテナを起動した後、API アドレスをクリックして Web インターフェイスに入ります
「Bad Gateway」と表示される場合、モデルが初期化中であることを意味します。モデルが大きいため、1〜2分ほど待ってページを更新してください。
2. Web ページに入ると、モデルと会話を開始できます。
パラメータの説明:
- タスク：
- ip: 入力画像の背景を自動的に削除し、オブジェクト/キャラクターの本体部分を保持します。衣服やオブジェクトなどのシーンに適しています。
- id: 顔の特徴領域を正確に抽出し、アイデンティティ特徴の移行をサポートします。最適化された顔認識アルゴリズムに基づいて、さまざまな角度や照明条件のポートレートに適応できます。
- スタイル： プロンプトワードの前に「同じスタイルの画像を生成する」というコマンドを追加する必要があります。システムは元の背景とビジュアルスタイルを継承し、構成要素の創造的な拡張を実現します。
- 幅： 生成される画像の幅を制御するために使用されます。
- 身長： 生成された画像の高さを制御するために使用されます。
- ガイダンス： これは、生成モデル内の条件付き入力 (テキストや画像など) が生成される結果に影響を与える度合いを制御するために使用されます。ガイダンス値を高くすると、生成される結果が入力条件に近くなりますが、値を低くするとランダム性が高まります。
- ステップ数： モデルの反復回数または推論プロセスのステップ数を表し、モデルが結果を生成するために使用する最適化ステップの数を表します。通常、ステップ数が多いほど、より正確な結果が生成されますが、計算時間が長くなる可能性があります。
- シード： 生成プロセスのランダム性を制御するために使用される乱数シード。同じシード値では同じ結果が生成されます (他のパラメータが同じである場合)。これは、結果を再現する上で非常に重要です。
利用手順
4. 議論
🖌️ 高品質のプロジェクトを見つけたら、メッセージを残してバックグラウンドで推奨してください。さらに、チュートリアル交換グループも設立しました。お友達はコードをスキャンして [SD チュートリアル] に参加し、さまざまな技術的な問題について話し合ったり、アプリケーションの効果を共有したりできます。
