caption-upsampling

用大模型把一句话扩写成详细提示词，让SDXL出图更精准

caption-upsampling 是一个基于 PyTorch 和 diffusers 的开源项目，旨在复现 DALL-E 3 中的“标题上采样”（caption upsampling）技术。该技术通过使用 Zephyr-7B 语言模型将简短、粗糙的图像描述扩展为详细、丰富的提示词，从而提升文本到图像生成模型（如 SDXL）的输出质量。项目解决了用户输入简单提示词时生成图像细节不足、语义不精准的问题，核心能力包括：利用大语言模型进行提示词增强、与 SDXL 的集成、以及提供完整的推理和评估流程。它适合研究人员和开发者探索如何通过高质量的文本描述来优化扩散模型的生成效果。