Project Icon

PixArt-Sigma-XL-2-1024-MS

基于Transformer的高分辨率图像生成模型

PixArt-Sigma-XL-2-1024-MS是一款基于纯Transformer架构的潜在扩散模型,能够直接从文本生成高达4K分辨率的图像。该模型采用T5文本编码器和VAE潜在特征编码器,适用于艺术创作、设计和教育研究。尽管在生成照片级真实感和复杂构图方面仍有提升空间,但它为文本到图像生成领域带来了新的可能性。

SiT - 可扩展插值变换器 融合流模型和扩散模型的图像生成新方法
GithubSiT图像生成开源项目机器学习深度学习生成模型
SiT项目开发了可扩展插值变换器,这是一种基于扩散变换器的生成模型。通过灵活连接分布,SiT实现了对动态传输生成模型的模块化研究。在条件ImageNet 256x256基准测试中,SiT以相同的骨架和参数超越了DiT,并通过优化扩散系数获得了2.06的FID-50K分数。项目提供PyTorch实现、预训练模型和训练脚本,推动了图像生成技术的进步。
FouriScale - 无需训练的高分辨率图像合成方法
FouriScaleGithub开源项目扩散模型无需训练频域分析高分辨率图像生成
FouriScale是一种基于频域分析的高分辨率图像生成方法。该技术在预训练扩散模型中引入膨胀技术和低通操作,解决了结构和尺度一致性问题。FouriScale可处理不同宽高比的文本到图像生成任务,平衡图像结构完整性和保真度,实现任意大小、高分辨率、高质量的图像生成。这种方法简单且兼容性强,为超高分辨率图像合成研究提供了新思路。
UltraPixel - 先进的超高分辨率图像合成技术
AI绘图GithubUltraPixel图像生成开源项目深度学习高分辨率图像合成
UltraPixel是一种超高分辨率图像合成技术,可生成2K到4K分辨率的高质量图像。项目支持文本引导、个性化和ControlNet图像生成,为图像合成和视觉艺术领域提供了新的工具。通过详细的提示词,可以生成细节丰富的图像。
imagen-pytorch - 文本到图像合成技术,基于Pytorch的Imagen实现
GithubImagenPytorchT5模型开源项目文本到图像神经网络
Google的Imagen是一种基于Pytorch实现的文本到图像神经网络,被视为此领域的新技术标杆。它采用简化的架构和优化的设计,例如级联DDPM、动态剪辑和内存高效的Unet设计。该项目在从文本转换成图像的合成过程中,表现出了相比DALL-E2的显著优势,为研究人员和开发者提供了实用的图像生成工具。
InternLM-XComposer - 多模态视觉语言模型实现超高分辨率理解与多场景交互
GithubInternLM-XComposer-2.5多回合多图对话多模态大语言模型开源项目网页制作高分辨率图像理解
InternLM-XComposer-2.5是一款高级多模态视觉语言模型,能处理高达96K的复杂图文背景。该模型优秀适用于超高清图像分析、多轮对话生成、网页创建等任务,并通过特殊算法优化输出质量,在多个基准测试中表现卓越。
pixel - 像素编码语言模型,无需固定词汇表实现多语言处理
BERTGithubPIXELVision Transformer图像编码开源项目语言模型
PIXEL是一个将文本渲染为图像进行语言处理的模型,消除了固定词汇表的需求。在同样的数据上,PIXEL在非拉丁脚本的语法和语义处理上优于BERT。PIXEL由文本渲染器、编码器和解码器组成,采用ViT-MAE技术实现图像级语言模型。用户可以通过Gradio演示体验PIXEL,并查看预训练和微调指南。未来将提供渲染指南、优化模型及HuggingFace transformers的集成。
SkyPaint-AI-Diffusion - 支持中文和英文文本输入的现代艺术图像生成工具
GithubSkyCLIPSkyPaint图像编码器开源项目扩散模型文本生成图像
SkyPaint由奇点智源开发,支持中文和英文文本输入,生成现代艺术风格的高质量图像。基于OpenAI-CLIP优化,支持多种提示词输入。用户可以在线体验SkyPaint,模型兼容stable_diffusion_1.x及相关微调版本。SkyCLIP通过多语种BERT进行训练,显著降低算力需求,提升模型性能。项目持续优化,旨在为开源社区提供便捷的复现和微调解决方案,适用于多语言图文检索和生成任务。
Generative-AI - 多模态图像合成与编辑技术及其分类
Data ModalityGenerative AIGithubMultimodal Image Synthesis and EditingTaxonomyVisual AIGC开源项目
该项目附有一篇综述论文,全面分析了多模态图像合成与编辑(MISE)和视觉AIGC的发展情况,并根据数据模态和模型架构进行了分类研究。通过此项研究,科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络(GAN)等不同技术及其应用,帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。
sige - 提升图像编辑效率的空间增量生成引擎
GithubSIGE卷积优化图像编辑开源项目深度学习生成模型
SIGE是一种空间增量生成引擎,通过在编辑区域选择性执行计算来提高图像编辑效率。这种方法显著减少了条件生成对抗网络和扩散模型的计算量和延迟,同时保持了图像质量。SIGE对DDPM、Stable Diffusion和GauGAN等模型的性能提升明显,在NeurIPS 2022发表,并开源了代码和基准数据集。
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