新加坡国立大学show lab的研究成果makeanything，让ai学会了分步骤创作！这项突破性研究，通过巧妙结合diffusion transformer (dit)和非对称lora技术，首次实现了高质量、跨领域的程序化序列生成，并在21类任务中展现出优异性能及强大的泛化能力。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

挑战与突破：AI创作的“过程”难题

以往的AI图像生成，主要集中在最终结果的呈现。而要让AI生成像绘画、手工艺等复杂作品的步骤教程，则面临三大挑战：高质量多任务数据集匮乏、步骤间逻辑关联性不足以及跨领域泛化能力有限。MakeAnything团队另辟蹊径，从数据、模型和方法三个方面入手，攻克了这些难题。

MakeAnything的核心技术：

1. 海量多领域数据集： 构建了涵盖绘画、手工艺、乐高搭建、3D建模、烹饪等21个领域的超大规模数据集，包含超过24,000个标注序列，为AI学习“分步创作”提供了坚实的数据基础。

2. DiT与蛇形布局： 利用DiT模型的空间注意力机制，并创新性地采用蛇形序列布局，将多步骤图像排列成蛇形网格，强化模型对步骤顺序的感知，确保步骤间的逻辑连贯性和视觉一致性。

3. 非对称LoRA： 借鉴大语言模型的HydraLoRA技术，设计了非对称LoRA，在所有数据集上微调共享矩阵A，学习通用知识和分步骤逻辑；对不同任务单独微调矩阵B，适配特定任务特性，从而在提升泛化能力的同时，保证了不同领域任务的精准适配。

Reachout.ai

一个AI驱动的视频开发平台，专为忙碌的企业家和销售团队打造

142 查看详情

4. ReCraft模型：由结果反推过程： 开发了ReCraft模型，允许用户输入目标图像，AI即可生成相应的创作步骤，实现图像条件下的过程生成。

5. 强大的泛化能力： MakeAnything甚至能在未经训练的任务上展现出令人惊叹的泛化能力。

实验结果与评估：

MakeAnything在多个指标上超越现有技术，包括图文一致性、逻辑连贯性和实用性。消融实验也证明了非对称LoRA的有效性。

结语：

MakeAnything的开源，将推动AI在创意领域的发展，为艺术家和设计师提供强大的辅助工具。 其代码、模型和数据集已开源： https://www.php.cn/link/01991b6bec4ceacaf9fd8748b7fa0698

以上就是炒菜、雕刻、绘画、汽车人变形！MakeAnything用扩散Transformer解锁多任务过程生成的详细内容，更多请关注其它相关文章！

# 如何应对  # 郑州seo关键优化  # 微信公众号营销推广ppt模板  # 娄底网站建设思路  # 子目录网站好优化吗  # 厦门网站推广优化加盟  # 医疗美容网站推广  # 周生生证券网站建设  # qnap网站建设  # 北京高端网站建设排名  # 通用网站建设供应  # 写歌  # 解锁  # 工程  # 你该  # 句话  # 高质量  # 网易  # 非对称  # 开源  # 神技  # Recraft  # 排列  # ai  # 工具  # git 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 苹果16最近玩法有哪些  汽车收音机power是什么意思  镜像ao3链接入口  power在充电器上是什么意思  单片机怎么计算0xf0  域名解析后为什么要进行域名备案  如何去除计算器的命令  固态硬盘内存如何查找  市盈率ttm是什么意思  皓影混动仪表盘上power是什么意思  wps中datediff函数怎么用 WPS中DATEDIFF函数的语法和用法分享  苹果16送哪些配件  linux如何合并分区命令  j*a怎么用数组缓存  华为使用nfc功能是什么意思  2025年国外最佳语音聊天软件排行榜  课程伴侣登不上怎么办  如何看固态硬盘型号  datediff快捷函数怎么用  固态硬盘如何安装win10系统安装  如何查看固态硬盘分区  typescript能开发什么  春运抢票最多能抢几趟车  平仓是什么意思?  typescript怎么拼接  单片机*计步器怎么用  如何用chown命令  折叠屏手机共有哪些  华为的nfc功能是什么意思  夸克绑定设备是什么意思  ai显示无法找到链接的文件是什么意思  mac如何使用vi命令行  typescript参数怎么用  固态硬盘如何装入机箱  typescript如何开发  win7如何打开命令行窗口  分销是什么意思  多少毫安的充电宝可以带上飞机  壁挂炉power常亮是什么意思  j*a如何运行curl命令行  苹果16系统多了哪些  openwrt有什么用  干股是什么意思  分享一个稳定的ao3镜像网址  如何进入安卓命令行  typescript哪个最好  营收和gmv区别_营收和gmv有什么区别  电焊机power灯亮是什么意思  typescript是什么软件  基金市盈率是什么意思