Project Icon

MasaCtrl

实现一致性图像合成与编辑

MasaCtrl是一种基于互自注意力控制的图像处理技术,实现了一致性图像合成和编辑。该方法结合源图像内容和文本提示生成的布局,无需额外微调即可进行非刚性图像修改。MasaCtrl支持多种应用场景,包括基于提示的合成、真实图像编辑、与可控扩散模型集成等,并可扩展到视频合成。这一技术兼容Stable Diffusion等多种模型,为图像创作提供了新的可能性。

prompt-to-prompt - 基于注意力控制的提示词驱动图像编辑技术
GithubPrompt-to-Prompt图像编辑开源项目扩散模型注意力控制深度学习
Prompt-to-Prompt是一个基于潜在扩散和稳定扩散模型的图像编辑项目。它通过注意力机制控制,实现了替换、细化和重新加权等多种提示词编辑方式。项目还包含用于编辑真实图像的空文本反转技术,能够通过简单的文本提示实现精确的图像编辑和生成。
DesignEdit - 基于多层潜在表示的统一精准图像编辑框架
DesignEditGithubStable Diffusion人工智能图像编辑多层潜在分解开源项目
DesignEdit是一个创新图像编辑项目,采用多层潜在表示技术实现统一精准的编辑功能。支持对象移除、缩放、平移、移动、调整大小和翻转等操作,还可进行跨图像合成和排版重设。基于Stable Diffusion XL 1.0实现,无需额外训练即可使用。项目提供Gradio交互界面,简化了复杂的图像编辑过程。这个开源项目展示了AI在图像编辑领域的应用前景。
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。
MIGC - 利用MIGC实现多实例文本生成图像
CVPR2024GithubMIGC多实例生成开源项目文本生成图像稳定扩散
MIGC项目的多实例生成控制器提升了文本生成图像的多样性和质量,包含COCO-MIG基准测试、在线Colab演示等资源。MIGC提升了属性控制,通过更换不同生成器权重,实现高质量和多样化图像生成。最新Consistent-MIG算法优化迭代编辑功能,保持未修改区域一致性并增强修改实例的一致性。此项目由浙江大学的ReLER实验室和华为监督。
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。
fastcomposer - 无微调的高效多主体图像生成技术
AI绘图FastComposerGithub多主体生成开源项目无需微调注意力定位
FastComposer是一种创新的多主体图像生成技术,无需微调即可实现高效、个性化的文本到图像转换。该技术通过主体嵌入和注意力定位监督解决身份混淆问题,同时保持图像的身份特征和可编辑性。与传统微调方法相比,FastComposer在速度上实现了300-2500倍的提升,且无需为新主体增加额外存储。这一技术为高质量多主体图像创作提供了新的可能性。
CameraCtrl - AI视频生成模型实现精准相机轨迹控制
CameraCtrlGithub动画扩散开源项目相机控制视频生成轨迹生成
CameraCtrl是一款基于AnimateDiffV3和SVD技术的视频生成模型,通过精确控制相机轨迹来创造连贯的多视角视频。该模型支持自定义相机移动路径,不仅适用于文本到视频生成,还能与RealEstate10K LoRA等模型结合,扩展应用场景。CameraCtrl为AI视频创作提供了更多可能性,使生成的视频内容更加丰富多样。
StreamMultiDiffusion - 基于区域语义控制的实时交互式图像生成
GithubStable Diffusion 3StreamMultiDiffusion实时生成开源项目文本到图像语义控制
StreamMultiDiffusion 提供基于区域语义控制的实时交互式图像生成。该项目支持细粒度区域控制、分离提示和实时图像修复,能够显著降低生成延迟,适用于大尺寸图像的高效创作及全景生成等应用。
blended-latent-diffusion - 快速高精度的局部文本引导图像编辑技术
Blended Latent DiffusionGithubSIGGRAPH 2023图像生成开源项目扩散模型文本驱动编辑
Blended Latent Diffusion是一种创新的局部文本引导图像编辑技术。该方法在低维潜在空间中操作,显著提高了编辑效率。通过融合扩散技术和优化策略,它解决了图像重建精度问题,并支持细微区域的局部编辑。与现有方法相比,Blended Latent Diffusion不仅处理速度更快,还实现了更高的编辑精度,同时减少了常见的图像伪影。该技术可应用于背景编辑、文本生成和对象修改等多个领域。
ControlNetPlus - 多条件控制的AI图像生成与编辑工具
AI绘图ControlNet++GithubSDXL图像生成图像编辑开源项目
ControlNetPlus是一款支持多种控制条件的AI图像生成和编辑工具。该项目采用创新架构,可处理10多种控制条件并生成高分辨率图像,同时支持多条件输入而不增加计算负载。经SDXL全面实验,ControlNetPlus在控制能力和图像质量方面表现出色。ProMax版本还提供图块去模糊、变化和超分辨率等高级编辑功能。此外,ControlNetPlus可与其他开源SDXL模型和Lora模型兼容,为图像生成和编辑提供了灵活的解决方案。
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