Cones-V2

多主体自定义图像合成的创新方法

Cones 2 图像合成残差嵌入布局引导采样 Stable Diffusion Github 开源项目

Cones-V2是一种新型图像合成技术，通过文本编码器微调学习残差嵌入，实现多主体自定义图像生成。每个主体仅需5KB存储空间，并采用布局引导采样方法实现精确排列。基于Stable Diffusion模型，Cones-V2可生成场景、宠物、玩具和人物等多样化高质量图像。

Parts2Whole - 多参考框架实现可控人像生成

GithubParts2Whole人像生成参考框架开源项目深度学习计算机视觉

Parts2Whole提出新型框架,利用多个参考图像生成定制人像。该框架包含语义感知外观编码器和多图像条件生成的共享自注意力机制,能精确选择人体部位实现高度可控生成。项目开源全套代码、模型和数据集,为人像生成研究提供完整解决方案。

Mix-of-Show - 去中心化低秩适应技术实现扩散模型的多概念定制

AI绘图GithubMix-of-Show低秩适应多概念定制开源项目扩散模型

Mix-of-Show是一种扩散模型多概念定制技术,通过去中心化低秩适应实现单概念和多概念融合。它可生成高质量动漫和真实人物图像,无需正则化数据集,支持区域可控的多概念采样。该项目开源了训练和推理代码,为扩散模型个性化提供新方案。

kencanmix_v1.5 - 稳定扩散与文本到图像生成的优化方案

AI绘图GithubGoogle colabHuggingfacediffusersstable-diffusion开源项目文本到图像模型

kencanmix_v1.5通过整合稳定扩散和谷歌Colab，提供了卓越的文本到图像转换能力，示例图片体现了创新的推理技术，为图像生成探索开辟了新的方向。

MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架

GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习

MS-Diffusion是一个多主体零样本图像个性化框架，利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度，并引入多主体交叉注意力机制协调主体组合。实验显示，MS-Diffusion在图像和文本保真度方面表现优异，有助于推进个性化文本到图像生成技术的发展。

Memento - 结合现实生活V2和高保真模型的特点，生成个性化纪念图像

GithubHuggingfaceMemento人工智能图像生成开源项目模型稳定扩散

Memento结合Real Life v2和高保真模型，通过MementoVAE模块实现逼真的个性化图像生成。其text-to-image功能允许创作各类虚拟纪念品，从肖像到艺术作品。支持多种风格与场景，满足不同的创作需求。

control_v11e_sd15_ip2p - 更好地控制扩散模型的图像处理能力

ControlNetGithubHuggingface图像生成开源项目扩散模型条件输入模型稳态扩散

本项目利用ControlNet v1.1提供了一种神经网络结构，能够通过附加条件控制预训练的大型扩散模型，与Stable Diffusion兼容。其支持指令化像素到像素的控制，通过边缘图、分割图和关键点等条件输入丰富图像生成方式。即便在小规模数据集下，ControlNet也能在个人设备上快速训练，相关源码及文档可在HuggingFace平台获取，适用于多种图像生成任务，提升图像处理灵活性。

StableCascade - 基于高压缩潜在空间的快速文本到图像生成模型

AI绘图GithubStable Cascade图像生成开源项目潜在空间高效模型

Stable Cascade是一种新型文本到图像生成模型，采用高度压缩的潜在空间技术。它由三个阶段组成，可将1024x1024图像压缩至24x24尺寸，同时保持清晰重建效果。与Stable Diffusion相比，该模型实现了更快的推理速度和更低的训练成本。Stable Cascade在提示对齐和图像质量方面表现优异，并支持微调、ControlNet和LoRA等多种扩展功能，适用于对效率要求较高的应用场景。

GET3D - 从2D图像生成高质量3D纹理模型的新突破

3D生成模型GET3DGithub图像学习开源项目生成对抗网络纹理网格

GET3D是一种新型生成模型,可从2D图像集合中学习生成高质量3D纹理网格模型。该模型融合了可微表面建模、可微渲染和生成对抗网络技术,能直接生成具有复杂拓扑结构和丰富几何细节的3D模型。GET3D可生成包括汽车、椅子、动物、摩托车、人物和建筑在内的多种3D模型,在质量上显著超越现有方法,为大规模创建3D虚拟世界内容提供了有力工具。

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。

T2I-CompBench - 组合式文本到图像生成的全面评估基准

AI模型GithubT2I-CompBench++开源项目文本生成图像组合能力评估基准

T2I-CompBench++是一个用于评估组合式文本到图像生成的增强基准。它引入了人工评估图像-分数对、更全面的组合测试以及被Stable Diffusion 3等模型采用的新评估指标。该基准涵盖颜色、形状、纹理和空间关系等多个方面,通过多种方法全面衡量模型的组合能力。研究人员可利用此基准进行模型训练和评估,促进组合式图像生成技术的进步。

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