Project Icon

ml-mdm

开源框架实现高分辨率文本到图像生成模型

ml_mdm是一个Python开源项目,实现了Matryoshka扩散模型技术用于文本到图像生成。该框架支持训练单个像素空间模型生成高达1024x1024分辨率的图像,开源了U-Net和嵌套U-Net的实现。项目提供预训练模型、Web演示和CC12M数据集上的训练教程,为高分辨率图像和视频合成提供完整解决方案。

richdreamer - 基于法线-深度扩散模型的高细节文本到3D生成技术
AI生成GithubRichDreamer多视图渲染开源项目文本转3D深度扩散模型
RichDreamer是一种基于法线-深度扩散技术的文本到3D生成模型,能创建细节丰富的3D内容。它结合了多视图法线-深度和反照率扩散模型,生成高质量3D资产。项目开源了代码、预训练模型,并提供在线演示,为3D内容创作提供了实用解决方案。
MultiModalMamba - 处理文本与图像的多模态AI模型
AI模型GithubMambaMultiModalMambaVision TransformerZeta开源项目
MultiModalMamba 是一个结合 Vision Transformer 和 Mamba 的高性能多模态 AI 模型,基于简洁强大的 Zeta 框架。它可以同时处理文本和图像数据,适用于各种 AI 任务,并支持定制化设置。MultiModalMamba 提供高效数据处理和多种数据类型融合,优化您的深度学习模型表现。
OnlyReal-Black-Mix - 利用文本到图像技术实现高效图像生成的创新解决方案
CivitaiGithubHugging FaceHuggingfacediffusersstable-diffusion图像生成开源项目模型
该项目结合稳定扩散模型与diffusers,支持文本转图像功能,适合多样化的创意应用场景。利用Hugging Face API生成的样本图像及原作者的演示,展示了其在艺术创作中的潜力与应用价值。
ELLA - 大语言模型辅助扩散模型实现增强语义对齐
ELLAEMMAGithub多模态技术开源项目文本生成图像语义对齐
ELLA项目将大语言模型与扩散模型结合,提高了图像生成的语义对齐能力。通过LLM注释的合成标题训练,ELLA实现了更准确的文本到图像转换。项目提供DPG-Bench评估基准和ComfyUI插件,并开发了支持多模态输入的EMMA模型。这些创新为图像生成领域开辟了新途径,展现了语言模型与扩散模型融合的应用前景。
ru-dalle - 文本生成图像工具
GithubruDALL-E图像提示开源项目生成图像超分辨率预训练模型
ru-dalle是一个开源的图像生成工具,能够将文本描述转换成详细的图像。采用预训练模型,支持多种风格,包括Malevich、Emojich等,适用于多种应用场景,如艺术设计、内容创作等。该项目提供易于使用的API,允许用户快速生成高分辨率图像,并支持图片微调和超分辨率处理,使图像更加精细和真实。
Thriller - 创新模型融合,提升文本到图像生成表现
GithubHuggingfacestable-diffusion图像生成开源项目模型艺术创作超现实主义超级合并
项目结合PhotoMovieXFinal与AbsoluteRemix模型,利用SuperMerger技术实现高效的文本到图像转换,致力于生成细节丰富、逼真的图像,为电影、插画及风景艺术创作提供有力支持。
DEADiff - DEADiff模型实现高效风格化图像生成
DEADiffGithub图像风格化开源项目扩散模型文本到图像生成计算机视觉
DEADiff是一种风格化扩散模型,通过参考图像风格和文本提示生成新颖图像。该模型利用解耦表示技术,实现高效风格迁移和文本引导图像生成。DEADiff可将多种风格应用于不同场景,同时保持内容准确性。这项研究由中国科学技术大学和字节跳动的团队完成,并在CVPR 2024上发表。
sd-controlnet-mlsd - 结合M-LSD直线检测优化Stable Diffusion的图像生成
ControlNetGithubHuggingfaceM-LSDStable Diffusion开源项目扩散模型条件输入模型
该项目介绍了ControlNet神经网络结构,通过加入M-LSD直线检测等条件来控制大规模扩散模型,适用于Stable Diffusion。ControlNet能够在小数据集下进行稳健学习,且可在个人设备上快速训练。项目提供了多种检查点,涵盖边缘检测、深度估计和关键点检测,丰富了大规模扩散模型的控制方式,有助于推进相关应用的发展,最佳效果在Stable Diffusion v1-5结合使用时体现。
nnUNet - 自适应医学图像分割深度学习框架
GithubnnU-Net医学影像图像分割开源项目深度学习自动化
nnUNet是一个自适应深度学习框架,专注于医学图像分割。它可自动分析训练数据并优化U-Net分割流程,无需专业知识即可使用。支持2D和3D图像,处理多种模态和输入通道,并能应对不平衡类别分布。在多个生物医学图像分割挑战中表现出色,广泛用作基线方法和开发框架。适用于领域科学家和AI研究人员,为医学图像分析提供强大支持。
karlo-v1-alpha-image-variations - 基于unCLIP的文本条件图像生成模型
GithubHuggingfaceKarlo图像生成开源项目文本到图像模型模型架构超分辨率
Karlo v1 alpha通过优化的unCLIP架构提供了文本条件图像生成方案,提升了图像超分辨率性能。该模型在7个降噪步骤中将图像从64px扩展到256px,增强了高频细节表现。项目使用diffusers库,便于高性能GPU上的简便实现。模型在115M图像文本对上进行从头训练,并应用DDPM目标与VQ-GAN风格损失进行优化。
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