介绍

大家好，最近有个开源项目比较有意思，解决了图像中不支持带有中文的问题。
https://github.com/tyxsspa/AnyText。

为什么不能带有中文？

数据集局限

Stable Diffusion的训练数据集以英文数据为主，没有大量包含其他语言文本的图像数据。这导致模型对非英文语言的理解和生成能力比较弱。

DALL·E 3 也是类似情况，带有英文情况可以，带有其它语言效果不理想。

多语言处理能力有限

Stable Diffusion的底层语言模型是英文预训练的，没有经过中文细化。它对中文词汇、语法、语义的理解和生成能力有限。

文本渲染能力有限

将文本渲染成逼真图像方面存在局限性，较难生成自然、连贯的中文文本。

AnyText的绘图工具

阿里巴巴推出开源项目，指定位置精准地向图中加入文字。

项目支持中英日韩四种语言，如图。

快速使用

官网提供两个环境。
https://huggingface.co/spaces/modelscope/AnyText
https://modelscope.cn/studios/damo/studio_anytext/summary

架构

AnyText的架构，一个基于扩散方法设计的文本生成和编辑系统。

1. 辅助潜在模块：

   • 输入包括文本字形、位置和遮蔽图像。
   • 生成有助于在图像中创建或修改文本的潜在特征。

2. 文本嵌入模块：

   • 利用光学字符识别（OCR）模型将笔画数据编码成嵌入。
   • 这些嵌入与由分词器产生的图像标题嵌入相结合。
   • 结果是与图像背景无缝融合的文本。

为了训练这个模型，使用了特定的损失函数：

• 文本控制扩散损失： 旨在确保生成的文本准确地遵循控制条件（如位置、风格）。
• 文本感知损失： 提高文本的感知精度，确保其与图像的视觉方面（如字体和比例）保持一致。

这个系统允许准确地生成文本，与图像内容的上下文和视觉效果协调一致。

总结

现在不支持stable diffusion webui 插件，使用只能在官方Demo或者写代码执行。

欢迎交流分享这方面问题，我也深入再尝试下。

朋友们帮忙点赞关注收藏！