[AI Omost] 革命性AI图像合成技术，让你的创意几乎一触即发！

介绍

Omost 是一个创新的项目，它利用大型语言模型（LLM）的编码能力来生成图像，特别是通过图像合成技术。项目的名称“Omost”发音类似于“almost”，寓意着使用该项目后，用户的图像生成工作几乎可以完成。同时，“O”代表“omni”（多模态），而“most”则表示项目旨在最大化模型的潜力。

Omost 提供了一些LLM模型，这些模型能够编写代码，并与Omost的虚拟画布代理协作，合成图像的视觉内容。这个虚拟画布能够与特定的图像生成器结合，以实际生成图像。

目前，Omost 提供了3个基于Llama3和Phi3变种的预训练LLM模型。这些模型使用混合数据进行训练，包括：

1. 几个数据集的真实标注数据，如Open-Images。
2. 通过自动标注图像提取的数据。
3. 来自DPO（直接偏好优化）的强化，其中代码是否能被Python 3.10编译作为直接偏好。
4. 来自OpenAI GPT4o的多模态能力的一小部分调整数据。

通过这些训练数据，Omost 的模型能够生成高质量的图像，为用户提供一个强大的图像合成工具。

安装

安装很简单，只需运行以下命令：

原理

原理请看github上的readme(文末有链接)，已经说的很清楚了。

简单说就是：说一句简单的 prompt，LLM帮你丰富，详细规划图像，最后生成高质量可控图像。

实践

纸上得来终觉浅，绝知此事要躬行。实际操作一把：

界面还是比较清楚。

右边输入 prompt，点击“submit”。

然后界面就会生成一大片详细设计描述。

生成完成，点击左边的“Render the Image！”。稍等片刻，图片生成！

script

我们来看下生成的脚本。

我输入的是“Happy Children’s Day”，下面生成了一大堆图像设计描述。

最后生成了图像。效果还不错。

样例

最后给大家看几张我生成的图，效果都还不错。

问题就是有点慢，几分钟一张图。

• github
• AI 博客 - 从零开始学AI
• 公众号 - 从零开始学AI