Project Icon

CogView

中文文字生成逼真图像,支持英文和中文输入

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。

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。
Ranni - 将文本指令精确转化为图像的AI生成技术
AI绘画CVPR 2024GithubRanni开源项目文本生成图像语义理解
Ranni是一个创新的文本到图像生成项目,结合大型语言模型和扩散模型,提高了指令理解和图像生成的精确度。该项目由规划模型和绘画模型组成,可将文本指令准确转化为视觉元素。除了生成高质量图像,Ranni还支持交互式编辑,方便调整生成结果。项目已开源模型权重,包含经LoRA微调的LLaMa-2-7B和全面微调的SDv2.1模型。
NSFW-gen-v2 - 无限制AI文本到图像生成器 支持3D渲染和多语言
3D渲染GithubHuggingfaceNSFW-gen-v2图像生成开源项目成人内容无审查模型
NSFW-gen-v2是UnfilteredAI开发的文本到图像生成器,能创建多样化图像,包括成人内容。模型拥有34.7亿参数,使用FP16张量,支持无审查输出和3D风格渲染。兼容英语、葡萄牙语和泰语,适合需要不受限制图像生成的应用。使用时需注意遵守相关法律和年龄限制。
GOT-OCR2_0 - GOT-OCR2_0为OCR技术开创统一端到端模型新纪元
GOTGithubHuggingfaceOCR图像识别开源项目模型自然语言处理视觉语言模型
GOT-OCR2_0项目提出通用OCR理论,通过统一端到端模型实现OCR 2.0。该模型具备多语言识别、版面分析和细粒度OCR能力,可处理普通文本、格式化文本及多页文档。项目提供开源训练代码和在线演示,为OCR技术发展开辟新方向。
open-muse - 开源项目MUSE模型重现,用于高效文本到图像生成
GithubHuggingfaceMUSEVQGANopen-musetransformer开源项目
open-muse项目致力于重现Transformer MUSE模型,通过LAION-2B和COYO-700M数据集的训练,提供简单且可扩展的代码库。项目包括在Imagenet上训练类别条件模型、在CC12M上进行文本到图像实验,以及训练改进的VQGAN模型,所有结果将上传至Huggingface的openMUSE组织。支持的模型包括MaskGitTransformer和VQGAN,方便使用并可在Huggingface hub上加载和保存。
Text2Tex - 文本驱动的3D网格高质量纹理生成方法
3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成
Text2Tex是一种新型3D网格纹理生成方法,利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型,从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列,Text2Tex有效避免了不一致和拉伸问题,同时优化了纹理更新过程。实验结果显示,在文本驱动纹理生成领域,Text2Tex的性能明显优于现有技术。
Visual-Style-Prompting - 创新的视觉风格提示方法实现文本到风格化图像生成
GithubVisual Style Prompting开源项目扩散模型文本到图像生成自注意力机制风格控制
Visual-Style-Prompting项目提出创新的视觉风格提示方法,通过交换自注意力层键值实现多样化图像生成并保持特定风格。无需微调即可使用,生成图像忠实反映参考风格。经广泛评估,该方法在多种风格和文本提示下表现优异,准确匹配文本描述并最佳呈现参考风格。
stable-diffusion-v1-4 - 先进的AI文本转图像模型
GithubHuggingfaceStable Diffusion人工智能开源项目扩散模型文本生成图像模型深度学习
Stable Diffusion v1-4是一个基于潜在扩散技术的AI模型,能将文本描述转化为高质量图像。它结合自动编码器和CLIP文本编码器,在大规模数据集上训练,可生成多样化的写实和艺术风格图像。该模型为研究人员和创意工作者提供了新的视觉创作工具,开启了AI辅助艺术创作的可能性。但值得注意的是,模型存在一些局限性,如无法生成可读文本,且在复杂组合任务上表现不佳。
VPGTrans - 低成本跨语言模型迁移的视觉提示生成器VPGTrans指南
GithubVL-LLMVL-LLaMAVL-VicunaVPGTrans开源项目视觉提示生成器
VPGTrans框架通过迁移视觉提示生成器,显著降低大语言模型的资源消耗和训练数据需求。该项目包括VL-LLaMA和VL-Vicuna两阶段训练方法,并详细介绍了安装、评估和训练步骤,由新加坡国立大学和清华大学的研究人员开发。
internlm-xcomposer2d5-7b - 7B参数规模实现视觉语言理解和创作的开源多模态模型
GithubHuggingfaceInternLM-XComposer-2.5图像理解多模态开源项目模型网页生成长文本处理
InternLM-XComposer2.5采用7B参数规模构建,通过24K交错图文上下文训练,支持扩展至96K长文本理解。这个开源多模态模型在视频理解、多图对话、高清图像分析、网页生成和文章创作等场景中展现出强大的理解与创作能力。其优秀的长文本处理特性使其能够处理需要大量上下文的复杂任务。
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