Logo
Project Icon

Michelangelo

新型3D形状生成技术，形状-图像-文本对齐方法

Michelangelo3D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。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
Realistic_Vision_V3.0_VAE - 内置VAE优化的写实风格AI图像生成模型
AI绘图GithubHuggingfaceMage.SpaceNovaXL图像生成开源项目模型模型训练
Realistic_Vision_V3.0是一个集成VAE编码器的AI图像生成模型，主要用于创建写实风格图像。模型使用Euler A或DPM++ SDE Karras采样方式，通过配置CFG参数和负面提示词来控制生成质量。支持配合4x-UltraSharp工具进行超分辨率处理，目前已在Mage.Space平台部署。
Neural-Gauge-Fields - 创新3D场景表示实现灵活UV映射与高效渲染
3D重建GithubUV映射三平面投影开源项目神经规范场视图合成
Neural-Gauge-Fields项目提出创新3D场景表示方法，通过学习UV映射和三平面投影实现灵活纹理编辑和高效渲染。项目引入InfoInv技术，提升基于网格和MLP的神经场性能。这一方法为3D视图合成、场景编辑和表面重建提供新工具，在计算机图形学和视觉领域展示应用前景。
realmdreamer - 文本3D场景生成技术
3D场景生成GithubRealmDreamer开源项目文本驱动深度扩散高斯溅射
RealmDreamer是一项创新的3D场景生成技术，通过文本描述生成通用前向3D场景。该技术利用3D高斯泼溅表示和先进的文本到图像生成器，结合图像条件扩散模型和深度扩散模型，实现高质量3D场景的合成。RealmDreamer无需特定数据集训练，能够生成多样风格的3D场景，并支持从单一图像进行3D合成。
SV3D - 单图生成多角度3D视图的创新视频技术
3D建模AI工具Stable Video 3D单图3D生成新视角合成视频扩散模型
SV3D是一种基于稳定视频扩散技术的3D视频生成工具，能将单一图像转化为动态3D视图和网格模型。它提供SV3D_u和SV3D_p两种模型，适用于不同场景。SV3D在多视角合成和3D生成方面表现优异，可用于商业和非商业领域，为用户提供高质量、一致性强的3D可视化效果。
Phased-Consistency-Model - 高效文本条件图像生成的新方法
GithubPCM一致性模型图像生成开源项目文本条件深度学习
Phased Consistency Model (PCM)是一种新型图像生成技术,可在少量步骤内生成高质量的文本条件图像。该模型解决了先前一致性模型在文本条件生成中的局限,如灵活性不足、结果不一致以及低步骤效果差等。PCM采用分阶段处理ODE轨迹的方法,提高了训练效率并改善了生成效果。在不同步骤数设置下,PCM均展现出优异性能,为快速图像生成领域提供了新的解决方案。
Free3D - 基于单视图的一致性多视角图像合成技术
3D生成Free3DGithub单视图重建开源项目新视角合成计算机视觉
Free3D是牛津大学VGG实验室开发的新型计算机视觉技术，可从单一图像生成一致性的多视角合成图,无需显式3D表示。该技术采用射线条件归一化和伪3D注意力机制,在Objaverse等多个数据集上展现优异性能。Free3D为计算机视觉和图形学领域提供了新的研究方向,有望应用于3D重建、虚拟现实等多个领域。
AutoStudio - 提升多轮交互图像生成的主体一致性
AutoStudioGithub主体一致性多轮交互式图像生成大语言模型开源项目稳定扩散
AutoStudio是一个创新的多代理框架，专注于解决多轮交互式图像生成中的主体一致性问题。该框架包含主体管理器、布局生成器、监督器和绘图器四个核心组件。通过引入并行U-Net和主体初始化生成方法，AutoStudio实现了连贯多主体图像序列的生成。在CMIGBench基准测试中，该框架在平均Fréchet Inception Distance和平均字符-字符相似度方面分别提升了13.65%和2.83%，展示了其在多轮交互中保持多主体一致性的优异表现。
gill - 使用多模态语言模型的图像生成方法
CC3MGILLGithub图像生成多模态语言模型开源项目训练
GILL模型可处理交互的图像和文本输入以生成文本、检索图像及生成新图像。本文详细介绍了GILL模型的代码、预训练权重、环境设置、预训检查点和视觉嵌入的安装步骤。此外，还包括推理、训练及评估的指南，及启动Gradio演示的操作步骤。更多详情请参阅相关研究论文及项目页面。
GPTEval3D - 基于GPT-4V的文本到3D生成模型评估框架
GPTEval3D是一个实现了《GPT-4V(ision) is a Human-Aligned Evaluator for Text-to-3D Generation》论文评估指标的开源项目。该框架提供了完整的文本到3D生成模型评估流程，包括数据准备、模型评估和比赛评分。研究者可以利用GPTEval3D评估自己的模型或组织3D生成模型比赛。项目还包含110个精选图像提示和详细的使用说明，方便研究人员快速上手。
GSM - 创新框架实现高效3D人体生成
3D人体生成3D渲染Github开源项目深度学习生成对抗网络高斯贝壳图
Gaussian Shell Maps (GSM)框架结合了先进的生成器网络和3D高斯渲染技术，用于高效生成3D数字人物。GSM采用多层壳结构，通过卷积神经网络生成3D纹理并映射到壳上。该方法可在单视图数据集上训练，生成多视图一致的高质量3D人体模型，并支持任意姿势变形。GSM为虚拟现实、社交媒体和电影制作等领域提供了创新的3D人体生成技术。
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