Techniques d'image avancées : inpainting, outpainting et ControlNet
Partie du cours Prompt Engineering
Dans les deux leçons précédentes, vous avez généré des images entières à partir d'un prompt textuel et appris à les orienter par la structure, le style et les prompts négatifs. Cette approche laisse au modèle une grande latitude créative, ce qui est une force quand vous explorez et un problème quand vous visez un résultat précis.
À la leçon huit, une génération partait d'un bruit aléatoire et le débruitait vers votre prompt. L'image-to-image (souvent écrit img2img) change le point de départ : au lieu du bruit, le modèle part d'une image existante et débruite depuis celle-ci. Le prompt guide toujours le résultat, mais l'image source le tire vers une forme déjà connue. ...
Envie d’apprendre Prompt Engineering Techniques d'image avancées : inpainting, outpainting et ControlNet dans un vrai environnement ?
Cliquez ci-dessous, obtenez une machine Linux avec Prompt Engineering prêt, et travaillez sur Techniques d'image avancées : inpainting, outpainting et ControlNet avec un tuteur IA qui connaît votre code.
Commencer cette leçonTechniques d'image avancées : inpainting, outpainting et ControlNetCe que vous allez apprendre
- Image-to-image generation
- Inpainting with masks
- Outpainting to extend a canvas
- ControlNet for pose, depth, and edge guidance
Lire cette leçon dans votre langue
Toutes les leçons de ce cours
11 leçons- 1Qu'est-ce qu'un prompt20 min
- 2Comment les grands modèles de langage génèrent du texte30 min
- 3Les cinq principes du prompting30 min
- 4Pratiques standard pour la génération de texte35 min
- 5Prompt Templates et Function Calling35 min
- 6Vector Databases et Retrieval-Augmented Generation40 min
- 7Autonomous Agents : memory et tools40 min
- 8Comment les diffusion models génèrent des images30 min
- 9Pratiques standards pour la génération d'images35 min
- 10Techniques d'image avancées : inpainting, outpainting et ControlNet35 min
- 11Construire des applications propulsées par l'IA40 min
