Project Icon

OmniTokenizer

联合图像视频标记器实现高效视觉生成

OmniTokenizer是一个图像和视频联合标记器,采用单一模型和权重,提供最先进的重建性能。它具有高分辨率和长视频适应性,可与语言模型和扩散模型结合实现视觉生成。项目提供预训练模型、训练脚本和评估工具,支持VQVAE和VAE版本,为视觉生成研究提供基础设施。

Text2Video - 文本生成视频模型
GithubText2Video开源项目深度学习生成对抗网络视频合成语音合成
Text2Video采用深度学习技术,通过建立音素姿势字典与训练生成对抗网络,从文本生成视频,该技术相较于传统音频驱动的视频生成方法,具有更少的数据需求、更高的灵活性和更低的时间成本。在标准数据集上的广泛测试证明了其显著的效果和优势。
Omost - 将代码转化为图像的创新AI工具
AI图像生成AI工具LLMOmost代码转图像在线工具
Omost是一个AI图像生成平台,利用大型语言模型(LLM)将代码转化为视觉内容。该平台提供免费在线服务,通过文本提示生成图像。Omost结合AI技术和虚拟画布,为图像创作和编辑提供新方法,适用于多个行业。这一工具推动了创意和效率的发展,为图像创作领域带来创新。
vision_transformer - 视觉Transformer和MLP-Mixer模型库 高性能图像识别
FlaxGithubJAXMLP-MixerVision Transformer图像识别开源项目
项目包含多种视觉Transformer(ViT)和MLP-Mixer模型实现,提供ImageNet和ImageNet-21k预训练模型及JAX/Flax微调代码。通过交互式Colab笔记本可探索5万多个模型检查点。这些高性能图像分类模型代表了计算机视觉的前沿进展。
VGen - 多功能开源视频生成工具库
AI模型GithubVGen开源项目视频生成阿里巴巴
VGen是一个功能丰富的开源视频生成工具库。它整合了多个先进的视频生成模型,可根据文本、图像、动作和主体等输入创建高质量视频。VGen提供可视化、采样、训练和推理等实用工具,支持图像到视频、文本到视频等多种任务。该项目具有良好的扩展性和完整性,由阿里巴巴集团通义实验室开发。
Imagen - 文字生成图片的AI技术
AI工具AI开发COCO FIDImagen扩散模型文本到图像模型训练热门语言模型
Imagen,一种先进的AI图片生成工具,利用深度语言理解和极致的图像真实性,实现从文字到图像的转换。此模型不仅在COCO数据集上刷新了技术记录,还通过高效的U-Net架构和强大的文本编码系统,优化了图文一致性和图像质量。鉴于潜在的社会影响和数据集偏差问题,当前未开放源代码或公共演示版本。
VEnhancer - 提升文本到视频生成质量的时空增强框架
AI视频处理GithubVEnhancer开源项目扩散模型空间时间增强视频生成
VEnhancer是一个时空增强框架,旨在提高文本到视频(T2V)生成模型的输出质量。该框架基于ControlNet结构,整合了预训练视频扩散模型的多帧编码器和中间块,构建可训练的条件网络。VEnhancer接收低分辨率关键帧和完整噪声潜在帧作为输入,通过噪声增强和下采样因子进行网络调节,从而生成更高质量、更连贯的视频内容。
VADER - 基于奖励梯度的视频生成质量优化技术
AIGithubVADER开源项目机器学习视觉处理视频生成
VADER是一种基于奖励梯度的视频生成质量优化技术。该方法无需大规模标注数据集,即可有效提高视频与文本的一致性、美观度,并生成更长时间的高质量视频。VADER兼容多个主流视频生成模型,如VideoCrafter2、Open-Sora和ModelScope,能显著提升其生成能力。项目提供了详细的安装、推理和训练指南,便于研究人员和开发者进行实验和应用。
OLMo - 开源语言模型加速科学研究
GithubOLMo人工智能开源语言模型开源项目机器学习自然语言处理
OLMo是一个开源语言模型项目,提供多种规模的先进模型,如1B、7B和7B Twin 2T,全部基于Dolma数据集训练。该项目支持模型训练、微调和推理,提供详细配置和检查点以确保研究可重现。OLMo还包含数据检查和评估工具,为语言模型研究提供全面支持,旨在加速这一领域的科学进展。
VideoLLaMA2 - 增强视频理解的多模态语言模型
AIGithubVideoLLaMA2多模态大语言模型开源项目视频理解
VideoLLaMA2是一款先进的视频语言模型,通过增强空间-时间建模和音频理解能力,提高了视频问答和描述任务的性能。该模型在零样本视频问答等多项基准测试中表现出色。VideoLLaMA2能处理长视频序列并理解复杂视听内容,为视频理解技术带来新进展。
OmniControl - 先进的人体动作生成与精确控制技术
GithubOmniControl人体动作生成关节控制开源项目机器学习计算机视觉
OmniControl是一个基于扩散模型的人体动作生成项目,实现了对任意关节在任意时间的精确控制。通过空间引导和真实性引导,该项目能生成高质量、自然的动作序列。OmniControl提供预训练模型、训练代码和评估工具,支持HumanML3D等数据集,为动作生成研究和应用领域提供了灵活有力的解决方案。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号