Project Icon

T2I-CompBench

组合式文本到图像生成的全面评估基准

T2I-CompBench++是一个用于评估组合式文本到图像生成的增强基准。它引入了人工评估图像-分数对、更全面的组合测试以及被Stable Diffusion 3等模型采用的新评估指标。该基准涵盖颜色、形状、纹理和空间关系等多个方面,通过多种方法全面衡量模型的组合能力。研究人员可利用此基准进行模型训练和评估,促进组合式图像生成技术的进步。

t2i-adapter-sketch-sdxl-1.0 - 草图条件下的图像转换与文本生成优化
GithubHuggingfaceT2I Adapter图像生成开源项目模型生成模型稳定扩散草图
该项目为StableDiffusionXL提供了T2I Adapter,实现了在草图条件下的图像转换功能。由腾讯ARC与Hugging Face共同开发,采用PidiNet边缘检测模型训练,能够从草图生成更加精细和可控的图像。与其他模型相比,该模型依托StableDiffusionXL的多个校验点,在处理多样化风格时具有更高的灵活性,适合用于艺术创作和设计。用户可在Doodly Space中试用,支持高分辨率图像处理。项目遵循Apache 2.0开源协议,附有GitHub代码和学术论文供深入研究。
MIGC - 利用MIGC实现多实例文本生成图像
CVPR2024GithubMIGC多实例生成开源项目文本生成图像稳定扩散
MIGC项目的多实例生成控制器提升了文本生成图像的多样性和质量,包含COCO-MIG基准测试、在线Colab演示等资源。MIGC提升了属性控制,通过更换不同生成器权重,实现高质量和多样化图像生成。最新Consistent-MIG算法优化迭代编辑功能,保持未修改区域一致性并增强修改实例的一致性。此项目由浙江大学的ReLER实验室和华为监督。
Counterfeit-V2.5 - 先进的动漫风格AI图像生成模型 支持多样化场景和角色创作
AI绘画Counterfeit-V2.5GithubHuggingfaceStable Diffusion动漫风格开源项目文本生成图像模型
Counterfeit-V2.5是一款开源的动漫风格AI图像生成模型,能够创作多样化的动漫场景和角色。该模型支持日常生活、校园、传统和现代等丰富场景类型,可精确捕捉角色细节和情感。模型采用提示词系统,允许用户精确控制生成内容。Counterfeit-V2.5适用于动漫创作者和爱好者,是一个实用的AI辅助创作工具。
PixArt-XL-2-512x512 - 快速生成高分辨率图像的高效能模型
GithubHuggingfacePixart-α开源项目扩散模型文本到图像模型深度学习生成模型
PixArt-α是一个基于Transformer架构的文本到图像生成框架,能够从文本提示生成高分辨率图像,最高可达1024像素。相比于Stable Diffusion v1.5,其训练时间仅为10.8%,大幅降低成本与碳排放。用户偏好评估显示,PixArt-α在实现效率与图像质量方面表现卓越,适用于艺术创作、教育用途及生成模型研究。但需要注意的是,其在图像还原现实性和复杂任务的执行上尚有局限。查看其GitHub或arXiv以了解更多细节。
MMBench - 全面评估多模态大模型能力的基准测试
GithubMMBench多模态模型开源项目循环评估视觉语言模型评估基准
MMBench是评估视觉语言模型多模态理解能力的基准测试集。它包含近3000道多项选择题,涵盖20个能力维度,采用循环评估和LLM选项提取等创新方法,提供可靠客观的评估。通过细粒度的能力测试和可重复的评价标准,MMBench为多模态模型开发提供了有价值的反馈。
Text2Tex - 文本驱动的3D网格高质量纹理生成方法
3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成
Text2Tex是一种新型3D网格纹理生成方法,利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型,从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列,Text2Tex有效避免了不一致和拉伸问题,同时优化了纹理更新过程。实验结果显示,在文本驱动纹理生成领域,Text2Tex的性能明显优于现有技术。
UDiffText - 基于字符级扩散模型的高质量图像文本合成框架
GithubUDiffText图像生成字符级编码开源项目扩散模型文本合成
UDiffText是一个基于字符级扩散模型的文本合成框架,能在任意图像中生成高质量文本。该框架适用于合成和真实图像,可进行场景文本编辑、任意文本生成和精确的文本到图像生成。项目包含完整的训练和评估流程,支持LAION-OCR、ICDAR13等多个数据集。UDiffText为文本合成和图像处理领域提供了新的解决方案。
internlm-xcomposer2d5-7b - 7B参数规模实现视觉语言理解和创作的开源多模态模型
GithubHuggingfaceInternLM-XComposer-2.5图像理解多模态开源项目模型网页生成长文本处理
InternLM-XComposer2.5采用7B参数规模构建,通过24K交错图文上下文训练,支持扩展至96K长文本理解。这个开源多模态模型在视频理解、多图对话、高清图像分析、网页生成和文章创作等场景中展现出强大的理解与创作能力。其优秀的长文本处理特性使其能够处理需要大量上下文的复杂任务。
TIPO-500M - 增强文本到图像生成模型的性能与用户体验
GithubHuggingfaceTIPO大型语言模型开源项目提示优化文本到图像模型生成模型
TIPO项目通过大型语言模型进行文本预采样,以优化文本到图像(T2I)系统的提示生成。这种创新框架能够精炼和扩展用户输入的提示,帮助生成优质图像。使用LLAMA架构的TIPO 200M和500M模型在多种数据集上进行训练,以提升生成质量。项目适配稳定扩散界面,经过多项生成任务的测试,表现卓越,为更多用户提供便捷的高品质图像生成体验。
idefics2-8b - 多模态AI模型实现图文交互
GithubHuggingfaceIdefics2图像理解多模态模型开源项目模型自然语言对话视觉AI
Idefics2是一款多模态AI模型,支持图像和文本的任意序列输入并生成文本输出。它能回答图像问题、描述视觉内容、基于多图创作故事,也可作为纯语言模型使用。相比前代,Idefics2在OCR、文档理解和视觉推理方面有显著提升。模型提供8B参数基础版、指令微调版和长对话优化版,均以Apache 2.0许可开源发布。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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