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
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。
TRELLIS
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。
ai-agents-for-beginners
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。
AEE
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。
UI-TARS-desktop
基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。
Wan2.1
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。
爱图表
全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表
爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。
Qwen2.5-VL
一款强大的视觉语言模型，支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。
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