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。

Realistic_Vision_V1.4 - 写实人物AI渲染模型 支持8K超高清输出
GithubHuggingfaceNovaXLStable Diffusion人工智能绘画图像生成开源项目模型模型训练
Realistic Vision 是一款基于Stable Diffusion的开源人物写实模型,可生成具有自然皮肤纹理和光影效果的8K人物图像。模型集成Euler A和DPM++采样器,并提供优化的提示词模板,有效降低图像畸变。主要应用于人物写真、肖像和角色设计等创作领域。
SDXL Turbo - 革新性实时文本转图像AI技术
AI工具AI绘图SDXL Turbo文本生成图像深度学习计算机视觉
SDXL Turbo运用先进的对抗性稳定扩散蒸馏技术,实现单步快速生成高质量图像。此模型适用于实时应用场景,在艺术创作、教育研究等领域展现广泛前景。用户可通过在线平台免费体验SDXL Turbo,亲身感受AI即时图像生成的强大功能。
CogView - 中文文字生成逼真图像,支持英文和中文输入
CogViewGithubImageRewardNeurIPS 2023text-to-imagetransformer开源项目
CogView是一个基于4B参数预训练的转换器,用于生成通用领域的文本到图像。最新版本CogView2显著提升了生成速度,并扩展支持英文输入。用户可以通过Github和Wudao平台体验并下载预训练模型。项目还包含超分辨率和图像到文本转换功能,并提供详细的设置和运行指南。该项目获得NeurIPS 2021认可,并推荐使用PB-relax和Sandwich-LN技术稳定训练大型转化器。
stable-diffusion-3-medium - 基于多模态扩散变换器的开源AI图像生成模型
GithubHuggingfaceStable Diffusion 3人工智能绘画图像生成模型开源项目文本生成图像模型非商业许可
Stable Diffusion 3 Medium是Stability AI开发的文本生成图像模型,采用多模态扩散变换器(MMDiT)架构,集成OpenCLIP、CLIP和T5三种文本编码器。模型通过10亿图像预训练和3000万张图像微调,支持图像生成、字体排版等功能。提供多种模型变体,可通过ComfyUI或API使用,仅限非商业研究用途。
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。
LLMGA - 用于精确图像生成和编辑的多模态大语言模型
ECCV2024GithubLLMGA图像生成多模态大模型开源项目
LLMGA基于多模态大语言模型,提供图像生成与编辑解决方案。结合Stable Diffusion和详细语言生成提示,项目提升了上下文理解并减少生成过程中的噪音,增强图像内容的精度。LLMGA支持文本到图像(T2I)、补画、扩画及指令编辑,适用于Logo设计、海报制作和故事绘本生成,支持中英文指令。广泛的模型和数据集选择满足不同需求,是理想的图像生成和编辑助手。
LLM-groundedDiffusion - 优化文本到图像合成的提示理解能力
GPT-4GithubHuggingFaceLLM-grounded DiffusionStable DiffusionTMLR开源项目
本项目通过将大型语言模型(LLM)与文本到图像扩散模型结合,提高了提示理解能力。LLM负责解析文本请求,生成中间表示如图像布局,最终通过稳定扩散模型生成高质量图像。项目支持多种生成方法和开源模型,用户可自行设置实现自托管,从而节约API调用成本。项目更新频繁,包括支持高分辨率生成和集成SDXL精炼器等功能。
SRGAN - 使用生成对抗网络提升单图像超分辨率效果
GithubSRGANTensorLayerXVGG19开源项目计算机视觉超分辨率
本项目展示了使用生成对抗网络(GAN)如何实现单图像的高分辨率超分辨率。使用预训练的VGG19模型和高分辨率图像进行训练,支持多种深度学习框架,如TensorFlow、PaddlePaddle、MindSpore,未来还将支持PyTorch。项目提供完整的训练和评估指南,并通过简单的代码修改可以切换不同的后端框架。适用于图像处理和计算机视觉领域的研究人员和开发人员,项目中展示了技术实现的详细结果,还提供了参考文献和讨论资源。
DeepFloyd IF - 突破性的开源文本到图像AI模型
AI工具AI绘图DeepFloyd IF开源模型扩散模型文本生成图像
DeepFloyd IF是一款开源的文本到图像生成AI模型,采用冻结文本编码器和三级级联像素扩散模块架构。该模型在COCO数据集上实现6.66的零样本FID分数,生成的图像逼真度高且具备语言理解能力。DeepFloyd IF支持梦境生成、风格迁移、超分辨率和图像修复等多项功能,展现了大型UNet架构在级联扩散模型中的潜力,为文本到图像合成技术的发展提供了新方向。
Lumina-mGPT - 多模态AI模型实现文本到图像的灵活生成
GithubLumina-mGPT人工智能图像生成多模态开源项目自回归模型
Lumina-mGPT是一个多模态自回归模型系列,适用于多种视觉和语言任务。这个开源项目特别擅长将文本描述转化为逼真图像,提供7B和34B两种参数规模的模型,以及多种图像分辨率选项。除图像生成外,Lumina-mGPT还支持图像理解和全能型任务,为AI研究和应用开发提供了灵活的工具。
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