joliGEN
集成GAN、扩散和一致性模型的AI图像生成框架
joliGEN是一个集成框架，用于训练自定义的AI图像转换模型。该框架集成了GAN、扩散和一致性模型，可用于配对和无配对的图像转换任务。joliGEN适用于图像生成控制、增强现实和数据集增强等实际场景。它支持快速稳定的训练过程，并提供REST API服务简化部署。凭借丰富的选项和参数，joliGEN可应用于多种图像生成和处理任务。
JoliGEN是一个用于训练自定义生成式AI图像到图像模型的集成框架
主要特点：
-
JoliGEN实现了GAN、扩散和一致性模型，用于非配对和配对的图像到图像转换任务，包括保留语义（如图像和对象类别、掩码等）的域和风格适应。
-
JoliGEN的生成式AI能力针对实际应用，如受控图像生成、增强现实、数据集智能增强和对象插入、合成到真实转换。
-
JoliGEN允许快速稳定的训练，并能产生惊人的结果。提供了一个带有REST API的服务器，简化了部署和使用。
-
JoliGEN有大量的选项和参数。为避免不知所措，请遵循简单的快速入门指南。然后可以查看有关模型、数据集格式和数据增强的更详 细文档链接。
有用链接
用例
- AR和元宇宙：用超真实的物体替换任何图像元素
- 图像操作：在图像中无缝插入或移除对象/元素
- 在保留语义的同时进行图像到图像的转换，例如保留现有源数据集注释
- 模拟到现实的转换，同时保留元素、指标等
- 生成图像以丰富数据集，例如平衡数据集不均衡、增加测试集等
这是通过结合强大的定制生成器架构、多种判别器、可配置的神经网络和损失函数来实现的，以确保源图像和目标图像之间基本元素的保留。
示例结果
卫星图像修复
使用扩散网络填补缺失区域
在保留类别的同时进行图像转换
马里奥转索尼克，同时保留动作（奔跑、跳跃等）
对象插入
使用扩散模型的虚拟试穿
使 用扩散模型的汽车插入（BDD100K）
使用扩散模型的眼镜插入（FFHQ）
<img src="https://github.com/jolibrain/joliGEN/assets/3530657/eba7920d-4430-4f46-b65c-6cf2267457b0" alt="drawing" width="512"/> <img src="https://github.com/jolibrain/joliGEN/assets/3530657/ef908a7f-375f-4d0a-afec-72d1ee7eaafe" alt="drawing" width="512"/>对象移除
使用GAN移除眼镜
在保留标签框的同时进行风格转换（如汽车、行人、路标等）
使用Transformer和GAN的白天到夜晚转换（BDD100K）
通过多次应用生成器逐步增加积雪，将晴天变为雪天（BDD100K）
晴天变为阴天（BDD100K）
晴天变为雨天（BDD100K）
特点
- 最先进的图像到图像转换
- 语义一致性：保持多种类型的标签，包括边界框、掩码、类别
- 最先进的判别器模型：投影式、视觉辅助式、自定义转换器
- 高级生成器：实时、转换器、混合转换器-CNN、注意力机制、带注意力的UNet、HDiT
- 基于对抗性和扩散生成的多种模型：CycleGAN、CyCADA、CUT、Palette
- GAN数据增强机制：APA、判别器噪声注入、标准图像增强、通过边界框采样的在线增强
- 输出质量指标：FID、PSNR、KID等
- 带REST API的服务器
- 支持CPU和GPU
- Docker化服务器
- 通过DeepDetect实现生产级C++部署
代码格式和贡献
如果您想贡献代码，请使用black代码格式。 安装：
pip install black
使用：
black .
如果您想在每次提交前自动格式化代码：
pip install pre-commit
pre-commit install
作者
JoliGEN 由Jolibrain创建和开发。
代码结构受到pytorch-CycleGAN-and-pix2pix、CUT、AttentionGAN、MoNCE、Palette等项目的启发。
JoliGEN的部分元素得到了法国国家AI计划"Confiance.AI"的支持。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提 供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号