CFLD

粗到细潜在扩散实现姿态引导人像合成

CFLD pose-guided 人物图像合成潜在扩散 CVPR Github 开源项目

CFLD项目提出粗到细潜在扩散方法，用于姿态引导的人像合成。该方法采用多阶段策略，先生成粗略草图再逐步细化，提高了生成图像质量和准确性。作为CVPR 2024亮点论文，CFLD在人像合成领域展现了重要进展。

clip-guided-diffusion - 文本生成图像，多功能扩散模型

AI绘图CLIP Guided DiffusionGithubKatherine Crowsonpyglide图像生成开源项目

CLIP Guided Diffusion项目提供文本生成图像功能，支持多种参数和提示词权重设置。此项目采用高效扩散模型，通过命令行或Python接口操作，支持GPU加速，提供丰富的图像尺寸和调校选项，适合生成高质量多样化的视觉内容。

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。

flash-diffusion - 用于加速条件扩散模型的高效蒸馏技术

Flash DiffusionGithubLoRA加速技术图像生成开源项目扩散模型

Flash Diffusion是一种用于加速预训练扩散模型图像生成的蒸馏方法。该技术高效、快速、通用且兼容LoRA，在COCO数据集上实现了少步骤图像生成的先进性能。Flash Diffusion只需几小时GPU训练时间和较少可训练参数，适用于文本生成图像、图像修复、换脸和超分辨率等多种任务。它支持UNet和DiT等不同骨干网络，能够显著减少采样步骤，同时保持高质量的图像生成效果。

InstanceDiffusion - 实现精确实例级图像生成控制的突破性方法

GithubInstanceDiffusion图像生成实例级控制开源项目文本到图像条件生成

InstanceDiffusion为文本到图像的扩散模型引入精确的实例级控制。该技术支持每个实例的自由语言条件，可灵活指定实例位置，包括单点、涂鸦、边界框和实例分割掩码。相比现有技术，InstanceDiffusion在框输入的AP50上提升2.0倍，掩码输入的IoU提高1.7倍，为图像生成和编辑领域带来新的可能性。

Make-It-3D - 单图生成高逼真3D模型

3D重建GithubICCV 2023Make-It-3D单张图像开源项目高保真

Make-It-3D项目利用训练良好的2D扩散模型，从单个图像生成高质量3D内容。方法采用两阶段优化流程，先优化神经辐射场整合正视图和新视角的扩散先验，后将粗略模型转化为纹理点云并提升现实感。实验显示，该方法在视觉质量和重建准确性上大幅领先，并支持文本到3D创建和纹理编辑等应用。

photo-background-generation - 基于文本引导的扩散模型实现对象背景一致性

GithubHuggingfaceSalient Object-Aware Background Generation开源项目文本指导扩散模型模型物体膨胀电子商务广告背景生成

该开源项目通过文本引导的扩散模型，解决显著对象背景生成中的'对象扩展'问题，保持对象身份和背景的一致性。适合商业广告等需要清晰度的场景。项目已被CVPR 2024采用，提供创新的背景生成方法。

MultiDiffusion - 基于预训练模型的多功能可控的图像生成框架

GithubMultiDiffusion可控生成图像生成开源项目扩散模型文本到图像

MultiDiffusion 是一个统一框架，通过预训练的文字转图像扩散模型，实现多功能且可控的图像生成，无需进一步训练或微调。该框架支持用户使用各种控制信号，如纵横比和空间引导信号，生成高质量、多样化的图像。MultiDiffusion 优化了多重扩散生成过程，使用一组共享参数或约束，支持局部和全局编辑，适用于如烟雾、火焰和雪等半透明效果。

IP_LAP - 基于身份保持的说话人脸生成新方法

CVPR 2023Github开源项目深度学习计算机视觉说话人脸生成身份保持

IP_LAP (Identity-Preserving Talking Face Generation with Landmark and Appearance Priors) 项目提出新型说话人脸生成方法，结合地标和外观先验实现身份保持。该技术在CVPR 2023发表，开源代码和预训练模型。研究团队使用LRS2数据集和PyTorch框架，在身份一致性和自然表情生成方面取得进展。

Forgedit - 基于学习和遗忘的文本引导图像编辑方法

ForgeditGithub图像编辑开源项目扩散模型文本引导深度学习

Forgedit是一种新型文本引导图像编辑方法，采用视觉-语言联合优化框架，能在30秒内重建原始图像。该方法在扩散模型的文本嵌入空间中引入向量投影机制，实现身份相似度和编辑强度的独立控制。Forgedit还提出了新的遗忘机制，解决了在单图像上微调扩散模型时的过拟合问题。基于Stable Diffusion构建的Forgedit在TEdBench基准测试中表现优异，CLIP评分和LPIPS评分均超过了之前的最佳方法。

distrifuser - 高效分布式并行推理助力高分辨率图像生成

DistriFusionGPU加速Githubdiffusion模型并行推理开源项目高分辨率

DistriFusion是一种用于高分辨率扩散模型的分布式并行推理算法。该方法无需额外训练，通过多GPU协同工作加速推理过程，同时保持图像质量。其创新的补丁交互技术解决了传统方法的碎片化问题，在高分辨率图像生成任务中显著提升了性能。该项目已在CVPR 2024被评为亮点工作，并开源了相关代码。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com