Michelangelo

新型3D形状生成技术，形状-图像-文本对齐方法

Michelangelo 3D形状生成图像条件生成文本条件生成多模态对齐 Github 开源项目

Michelangelo项目提出'先对齐后生成'方法，解决2D图像或文本生成3D形状的难题。通过形状-图像-文本对齐空间，该技术缩小了不同模态间的差距。项目核心包括SITA-VAE模型(用于3D形状编码和重建)和ASLDM模型(学习多模态到形状空间的映射)。实验结果显示，这种方法能生成质量更高、多样性更强、且与输入条件语义一致性更好的3D形状。

访问官网

Github

Huggingface

介绍相关项目

MDT - MDTv2图像合成模型：更快收敛和卓越性能

GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉

MDTv2是一种先进的深度学习图像合成模型，在ImageNet数据集上实现了1.58的FID分数，创造新的业界标准。该模型采用掩码潜在建模技术，提高了图像语义理解能力，学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升，为计算机视觉和人工智能领域带来了新的可能性。

ImageDream - 利用图像提示的多视角扩散方法实现创新3D内容生成

GithubImageDream三维生成人工智能图像提示多视图扩散开源项目

ImageDream是一个从单一2D图像输入生成逼真3D内容的开源项目。它结合图像提示和多视角扩散技术创建高质量3D模型，支持软阴影渲染，并提供简便的配置和安装指南。该项目展示了图像引导3D生成的最新应用，为计算机视觉和图形学研究提供了新的实验平台。

Alpha3D - 快速高效的2D到3D资产生成平台

3D模型生成AI工具AI生成Alpha3D内容创作游戏开发

Alpha3D是一个创新的AI平台，可将文本和2D图像快速转换为高质量3D数字资产。该平台操作简单，无需3D建模经验，适用于游戏开发、3D设计、XR和元宇宙等领域。相比传统方法，Alpha3D能显著提高效率并降低成本，为内容创作者提供便捷高效的3D资产生成解决方案。用户只需上传2D图像或输入文本，即可自动生成3D模型，大幅节省时间和资源。

ThemeStation - 新颖的主题感知3D生成方法

3D资产生成AI图像生成GithubSIGGRAPHThemeStation主题一致性开源项目

ThemeStation提出了一种新颖的主题感知3D生成方法。该方法采用两阶段框架，首先生成概念图像，然后进行参考信息指导的3D建模，以创建主题一致且多样化的3D资产。通过创新的双重分数蒸馏损失，ThemeStation有效利用输入示例和合成概念图像的先验知识。实验结果显示，该方法在生成高质量、多样化的主题感知3D模型方面表现优异，并可应用于可控3D-to-3D生成等多个场景。

ELLA - 大语言模型辅助扩散模型实现增强语义对齐

ELLAEMMAGithub多模态技术开源项目文本生成图像语义对齐

ELLA项目将大语言模型与扩散模型结合，提高了图像生成的语义对齐能力。通过LLM注释的合成标题训练，ELLA实现了更准确的文本到图像转换。项目提供DPG-Bench评估基准和ComfyUI插件，并开发了支持多模态输入的EMMA模型。这些创新为图像生成领域开辟了新途径，展现了语言模型与扩散模型融合的应用前景。

OpenCLAY - 创新型AI模型助力高质量3D资产生成

3D生成模型3D资产创建CLAYGithubRodin Gen-1SIGGRAPH开源项目

CLAY是一种先进的AI生成模型，专注于高质量3D资产创建。该项目获得SIGGRAPH 2024最佳论文荣誉提名，展示了从古代工具到未来科技的多样3D生成能力。通过Rodin Gen-1和Hugging Face平台，CLAY为3D创意领域带来新的可能性，推动数字内容创作的发展。

rich-text-to-image - 富文本格式提升文本到图像生成的精确控制

AI绘图GithubICCV 2023Rich-Text-to-ImageStable Diffusion开源项目文本生成图像

Rich-Text-to-Image项目利用富文本格式信息增强文本到图像生成的控制能力。该项目通过字体大小、颜色、样式和脚注等格式实现精确的颜色渲染、局部风格控制和详细区域合成。这种方法支持token显式重新加权，可与Stable Diffusion等主流模型集成，提供更精细的图像生成控制。项目开源了代码实现，并提供在线演示和相关论文，为文本到图像生成领域开辟了新的研究方向。

HeadStudio - 文本生成3D可动画头像的开源项目

3D高斯散射GithubHeadStudio可动画化头像头像生成开源项目文本到头像

HeadStudio是一个基于3D高斯散射技术的开源项目，能够将文本描述转换为可动画的头像。该项目在生成静态和动态头像方面表现出色，具有良好的语义对齐、表情变形和实时渲染能力。与现有方法相比，HeadStudio生成的头像拥有较高的保真度和自然的动画效果，为虚拟人物创作提供了新的技术支持。

INSTA - 革新性即时体积化头像生成技术

3D建模GithubINSTA头像生成开源项目深度学习计算机视觉

INSTA项目开发了一种创新的即时体积化头像技术，能快速生成高质量3D人头模型。该技术基于instant-ngp，通过优化神经网络实现实时渲染和灵活控制。项目提供预处理数据集和训练代码，便于研究人员进行开发。INSTA代表头像生成领域的前沿技术，适用于虚拟现实和增强现实等应用，为人机交互和数字内容创作提供新可能。

M3D - 推动3D医学图像分析的多模态大语言模型

3D医学图像分析AI医疗GithubM3D医学数据集多模态大语言模型开源项目

M3D是首个针对3D医学分析的多模态大语言模型系列。项目包含最大规模开源3D医学数据集M3D-Data、多任务能力模型M3D-LaMed和全面评估基准M3D-Bench。M3D在图像-文本检索、报告生成、视觉问答、定位和分割等任务中表现优异，为3D医学图像分析领域提供了新的研究方向。

相关项目

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。

使用协议隐私政策广告服务

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