ACE++：输入想法就能完成图像创作和编辑！阿里通义推出新版自然语言驱动的图像生成与编辑工具

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

大家好，我是蚝油菜花，今天跟大家分享一下 ACE++ 这个由阿里巴巴通义实验室推出的升级版图像生成与编辑工具。

🚀 快速阅读

ACE++ 是阿里巴巴通义实验室推出的先进图像生成与编辑工具，通过指令化和上下文感知的内容填充技术，实现了高质量的图像创作和编辑功能。

1. 核心功能：ACE++ 提供多种模型，分别针对不同任务，如生成一致的人物肖像、保持主题一致性、重新绘制图像的特定区域等。
2. 技术原理：ACE++ 采用改进的长上下文条件单元（LCU++）和两阶段训练方案，提升了模型的适应性和生成质量。

ACE++ 是什么

ACE++ 是阿里巴巴通义实验室推出的一款先进的图像生成与编辑工具。它通过指令化和上下文感知的内容填充技术，能够实现高质量的图像创作和编辑。ACE++ 提供了多种模型，分别针对不同的任务需求：

• ACE++ Portrait：用于生成一致的人物肖像，保持人物面部特征和风格的一致性。
• ACE++ Subject：在不同场景中保持主题一致性，例如将某个标志或物体放置在不同的背景中。
• ACE++ LocalEditing：对图像的特定区域进行重新绘制或修改，同时保留原有图像的结构和风格。
• 即将推出的 ACE++ Fully：支持更多指令化编辑和参考生成任务，进一步提升模型的功能和灵活性。

ACE++ 的主要功能

• 高质量人物肖像生成：通过 ACE++ Portrait 模型，可以根据用户输入的指令生成高质量的人物肖像，同时保持人物面部特征和风格的一致性。
• 主题一致性保持：ACE++ Subject 模型可以在不同的场景中生成具有特定主题的图像，例如将某个标志或物体放置在不同的背景中。
• 局部图像编辑：ACE++ LocalEditing 模型支持对图像的特定区域进行重新绘制或修改，同时保留原有图像的结构和风格。
• 风格化编辑：用户可以通过指令对图像进行风格化处理，例如将普通照片转换为艺术风格或特定的视觉效果。
• 上下文感知内容填充：根据图像的上下文信息，智能地填充缺失或需要修改的部分，确保生成的图像在视觉上自然且一致。
• 指令驱动的交互：用户可以通过简单的自然语言指令来控制图像的生成和编辑过程，例如指定生成特定风格的人物肖像或要求在图像中添加、删除或修改某个元素。
• 多任务支持：ACE++ 支持多种图像处理任务，包括虚拟试穿、标志粘贴、照片修复、电影海报编辑等。

ACE++ 的技术原理

• 改进的长上下文条件单元（LCU++）：ACE++ 提出了 LCU++ 输入范式，通过将输入图像、掩码和噪声在通道维度上进行拼接，形成条件单元（CU）特征图，而不是传统的序列拼接方式。这种改进减少了上下文感知框架的干扰，降低了模型适应成本。LCU++ 的输入格式可以扩展到无参考图像（0-ref）任务和多参考图像（N-ref）任务，增强了模型对不同任务的适应性。
• 两阶段训练方案：ACE++ 采用两阶段训练方案。第一阶段，模型基于文本到图像模型进行预训练，专注于 0-ref 任务，基于基础模型的生成能力快速适应条件输入。第二阶段，模型在所有数据上进行微调，支持通用指令，同时优化模型对输入参考图像的重建能力和目标图像的生成能力。
• 模型架构：ACE++ 的整体架构整合了 LCU++ 范式，通过 x-embed 层将 CU 特征图映射为序列化标记，作为 Transformer 层的输入。模型训练目标是最小化预测速度与真实速度之间的均方误差，赋予模型上下文感知的生成能力。
• 任务支持与模型优化：ACE++ 提供了一套工具包，支持多种图像编辑和生成任务，包括肖像一致性、主题一致性、局部编辑等。针对常见应用场景，ACE++ 训练了轻量级的领域稳定微调模型，如 LoRA 策略，提高模型在特定任务中的性能。

如何运行 ACE++

1. 安装依赖

首先，下载代码并安装必要的依赖项：

git clone https://github.com/ali-vilab/ACE_plus.git
cd ACE_plus
pip install -r requirements.txt

        

          
        
        
        

          

          AI 代码解读
        
      
      

ACE++ 依赖于 FLUX.1-Fill-dev 作为其基础模型，可以从 HuggingFace 下载：

export FLUX_FILL_PATH="hf://black-forest-labs/FLUX.1-Fill-dev"

        

          
        
        
        

          

          AI 代码解读
        
      
      

为了正常运行推理代码或 Gradio demo，这里定义了相关的环境变量来指定模型的位置：

export PORTRAIT_MODEL_PATH="ms://iic/ACE_Plus@portrait/comfyui_portrait_lora64.safetensors"
export SUBJECT_MODEL_PATH="ms://iic/ACE_Plus@subject/comfyui_subject_lora16.safetensors"
export LOCAL_MODEL_PATH="ms://iic/ACE_Plus@local_editing/comfyui_local_lora16.safetensors"

        

          
        
        
        

          

          AI 代码解读
        
      
      

2. 运行推理

在设置了环境变量后，用户可以通过执行 infer.py 来运行示例或测试自己的样本：

python infer.py

        

          
        
        
        

          

          AI 代码解读
        
      
      

3. 训练模型

这里提供了训练代码，允许用户在自己的数据上进行训练。参考 data/train.csv 和 data/eval.csv 构建训练数据和测试数据，字段之间用 #;# 分隔。训练所需的参数存储在 train_config/ace_plus_lora.yaml 中，运行训练代码的命令如下：

python run_train.py --cfg train_config/ace_plus_lora.yaml

        

          
        
        
        

          

          AI 代码解读
        
      
      

训练后的模型会保存在 ./examples/exp_example/xxxx/checkpoints/xxxx/0_SwiftLoRA/comfyui_model.safetensors。

4. 运行 Demo

这里还提供了一个基于 Gradio 的 GUI demo，帮助用户更好地利用 ACE++ 模型。只需执行以下命令即可启动 demo：

python demo.py

        

          
        
        
        

          

          AI 代码解读
        
      
      

资源

• 项目主页：https://ali-vilab.github.io/ACE_plus_page/
• GitHub 仓库：https://github.com/ali-vilab/ACE_plus
• HuggingFace 仓库：https://huggingface.co/ali-vilab/ACE_Plus

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦