TRAINING-FREE STRUCTURED DIFFUSION GUIDANCE FOR COMPOSITIONAL TEXT-TO-IMAGE SYNTHESIS

目标：项目实现智能的文本生成图片，即通过深度学习的方法，通过模型的训练，识别 文字，翻译为相应的图片。项目以 skipthoughts 来进行语义分析及编码以达到对文本的训练， 以训练好的模型及输入的图片描述生成与描述相近的图片，再以网页形式进行效果展示。 意义：使用者仅需说出想要绘制物体的特征，能够根据对事物文本的描述，创造出图像， 实现文字和图片相互转换的功能。这个方法可以应用到众多领域之中，满足人们的生活需求， 为生活提供便利。例如：在广告创意制作上有非常重要的意义，由创意标题得到图片，由创 意图片生成标题，图片与文本之间互相生成，可以得到炫酷的效果；对于那些笔头功夫不强 又有绘图兴趣的用户来说，该工具能够担当起画家、室内设计师草图助手一职。 适用大学生参考学习。 大创-大学生创新创业训练计划项目申报书-软件-基于生成对抗网络的Text2Image的研究-参考

VQGAN-CLIP 概述 用于在本地运行 VQGAN+CLIP 的存储库。 这最初是 Katherine Crowson VQGAN+CLIP 派生的 Google colab 笔记本。 原笔记本： 一些示例图像： 环境： 在 Ubuntu 20.04 上测试 GPU：英伟达RTX 3090 典型的 VRAM 要求： 24 GB 用于 900x900 图像 10 GB 用于 512x512 图像 8 GB 用于 380x380 图像 设置 使用 Anaconda 创建具有先决条件的虚拟 Python 环境的示例设置： conda create --name vqgan python=3.9 conda activate vqgan pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.

此代码将任何ASCII文本文件（记事本，MATLAB-m文件等）转换为图像。 屏幕截图是从包含故事的记事本文件转换而来的图像 - 圣诞颂歌。