Project Icon

MACE

扩散模型中的大规模概念擦除技术

MACE是一种用于扩散模型的大规模概念擦除框架。该技术可同时擦除多达100个概念,并在泛化性和特异性间达成平衡。通过结合闭式交叉注意力优化和LoRA微调,MACE能有效消除不需要的概念信息。在对象、名人、显式内容和艺术风格擦除等多项任务评估中,MACE的性能均超越了现有方法。

YOLOMagic - 增强YOLOv5视觉任务框架功能与用户体验
GithubYOLOv5图像推理开源项目注意力机制网络模块视觉任务
YOLO Magic🚀 是一个基于YOLOv5的扩展项目,为视觉任务提供更强大的功能和简化的操作。该项目引入了多种网络模块,如空间金字塔模块、特征融合结构和新型骨干网络,并支持多种注意力机制。通过直观的网页界面,无需复杂的命令行操作即可轻松进行图像和视频推理。无论是初学者还是专业人员,YOLO Magic🚀都能提供出色的性能、强大的定制能力和广泛的社区支持。
custom-diffusion - 文本到图像扩散模型微调方法
Custom DiffusionGithubStable Diffusion图像生成多概念定制开源项目文本到图像扩散模型
该项目提供了一种高效的文本到图像扩散模型微调方法。只需调整部分模型参数,即可在短时间内完成训练,并减少存储需求。项目还支持多概念组合,附带新数据集和完整的训练步骤。适用于多种类别和应用场景。
MagNet - 多尺度语义分割框架提升图像精度
GithubMagNet卷积神经网络多尺度框架开源项目语义分割高分辨率数据集
MagNet是一种多尺度语义分割框架,采用多阶段处理方法解决高分辨率图像中的局部歧义问题。每个处理阶段对应一个放大级别,实现从粗到细的信息传播。在城市景观、航拍场景和医学图像等高分辨率数据集上的实验显示,MagNet的性能显著超越现有方法,为高分辨率图像的精确语义分割提供了新的技术方案。
CrystalClearXL - 基于扩散模型的AI图像生成与编辑工具
DiffusersGithubHuggingface人工智能开源项目数据集机器学习模型模型卡片
CrystalClearXL是一个基于扩散模型的AI图像处理工具,由Hugging Face的Diffusers库支持。该工具可用于多种图像生成和编辑任务,具有灵活性强、易用性高的特点。适用于直接应用和下游任务开发,但用户需注意其潜在局限性。CrystalClearXL为AI图像生成领域的研究和开发提供了新的可能性。
Mistral-Nemo-12B-ArliAI-RPMax-v1.2-GGUF - 结合多样性与去重复性的高级创意写作AI模型
AI模型ArliAI-RPMaxGithubHuggingfaceMistral Nemo创意写作开源项目数据集去重模型
该项目以多样性与去重复性为核心,适合创意写作,增强模型对多角色与多情境的理解和反应能力。v1.2版本在Mistral Nemo 12B基础上,剔除了非创意内容,并增强了数据集的去重和过滤。通过大规模创意与角色扮演数据集的优化训练,该模型展现出非凡的创新性和低重复性。具体培训细节包括低学习率与低梯度累积,以最大化学习效率。此版本提供FP16和GGUF等量化格式,适应多样需求。
rcg - RCG框架实现突破性无条件图像生成性能
GithubPyTorchRCG图像生成开源项目神经网络自监督学习
RCG是一种创新的自监督图像生成框架,在ImageNet 256x256数据集上达到了无条件图像生成的最佳性能。该框架缩小了无条件和有条件图像生成之间的性能差距。项目提供基于PyTorch的GPU实现,包含表示扩散模型(RDM)以及MAGE、DiT、ADM和LDM等多种像素生成器的训练和评估代码。同时提供预训练模型和可视化工具,便于研究人员复现和拓展相关工作。
RAVE - 基于扩散模型的高效视频编辑技术
CVPRGithubRAVE开源项目扩散模型视频编辑零样本
RAVE是一种基于预训练文本到图像扩散模型的视频编辑技术,无需额外训练即可实现高质量视频编辑。通过创新的噪声重排策略,RAVE提高了视频的时间一致性和处理效率。它支持从局部属性调整到形状变换等多种编辑类型,并可处理任意长度的视频。在多种编辑场景中,RAVE展现出优于现有方法的性能,为视频创作提供了高效灵活的解决方案。
AlignProp - 通过奖励反向传播优化文本到图像扩散模型
AlignPropGithub图像生成奖励反向传播开源项目文本到图像扩散模型模型微调
AlignProp是一种创新的文本到图像扩散模型优化方法,通过端到端反向传播奖励梯度来实现。该方法能有效对齐模型与下游任务目标,包括图像-文本语义一致性、美学质量和可控性。相比传统强化学习方法,AlignProp能在更少训练步骤内获得更高奖励,并且概念简单,为扩散模型优化提供了高效直接的解决方案。
MoE-LLaVA - 高效视觉语言模型的新方向
GithubMoE-LLaVA多模态学习大视觉语言模型开源项目性能表现稀疏激活
MoE-LLaVA项目采用混合专家技术,实现了高效的大规模视觉语言模型。该模型仅使用3B稀疏激活参数就达到了与7B参数模型相当的性能,在多项视觉理解任务中表现优异。项目提供简单的基线方法,通过稀疏路径学习多模态交互,可在8张A100 GPU上1天内完成训练。MoE-LLaVA为构建高性能、低参数量的视觉语言模型探索了新的方向。
arc_draw_more_samples_pub - ARC问题解决能力突破
AIARCGPTGithub开源项目数据可视化
该项目聚焦于提升ARC(抽象和推理语料库)问题的解决能力。它利用GPT模型和优化策略,在ARC基准测试中实现了50%的先进水平。核心脚本arc_solve/solve.py需要Redis服务器和OpenAI API密钥等资源。项目数据可通过Google Drive下载,并使用arc_solve/load_and_viz.py进行可视化。这一方法为AI在抽象推理任务中的应用提供了新的研究方向,展示了人工智能在复杂问题解决中的巨大潜力。
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