Project Icon

ComfyUI-Florence2

基于Florence-2视觉基础模型,可处理多种视觉和视觉-语言任务

ComfyUI-Florence2项目基于Florence-2视觉基础模型,可处理多种视觉和视觉-语言任务。除支持图像描述、物体检测和分割外,还新增文档视觉问答功能。项目利用FLD-5B数据集进行多任务学习,采用序列到序列架构,在零样本和微调场景下表现优异。用户可通过ComfyUI界面便捷使用Florence2的各项功能。

ComfyUI-Portrait-Maker - ComfyUI扩展插件实现全面人像处理工作流程
AI绘图ComfyUI-Portrait-MakerGithub人像处理工作流开源项目
ComfyUI-Portrait-Maker是一个专注于人像处理的ComfyUI扩展插件。它提供人脸检测、融合、美颜、妆容迁移等多种功能节点,实现全面的肖像生成和编辑工作流程。该插件基于EasyPhoto项目改编,支持多种模型,操作简便。未来计划添加更多人像处理功能,为ComfyUI用户的AI人像创作提供更多可能。
ComfyUI-InstantID - InstantID for ComfyUI 的非官方实现,支持姿势参考图和多种风格
ComfyUIGithubInstantIDhuggingface姿势参考图开源项目模型加载
ComfyUI-InstantID 是对 InstantID 的非官方实现,支持姿势参考图和多种风格。该项目提供了从 Huggingface hub 和本地加载基础模型、InsightFace 模型和 ID ControlNet 模型的功能,完美兼容各种提示词和风格。V2.0 版本新增了姿势参考图功能,并进行了代码优化和兼容性修复。详细的安装和使用指南,从配置下载到模型路径设置,确保用户可以快速部署并享受优化体验。
comfyui-liveportrait - 多人脸动态肖像生成与表情自定义工具
ComfyUIGithubLivePortrait动态肖像多人脸开源项目表情编辑
这个项目是LivePortrait的ComfyUI实现,专注于多人脸动态肖像生成。它能够为不同人脸分配独立动画,并提供表情编辑和插值动画功能。该工具与其他ComfyUI插件兼容,支持视频转换和全家福模式等应用。核心功能包括Live Portrait节点用于动态肖像生成,以及Face Crop Info节点用于人脸信息提取。项目旨在为创作者提供灵活多样的动态肖像制作选择。
ComfyUI-layerdiffuse - ComfyUI图层扩散技术实现高级图像处理
AI绘图ComfyUIGithubLayerDiffuse图像处理图层生成开源项目
ComfyUI-layerdiffuse扩展为ComfyUI集成了LayerDiffuse的图层扩散功能,支持SDXL和SD15模型。该项目提供前景生成、背景提取和图层混合等高级操作,并包含多种工作流程示例,如RGBA前景生成、条件混合和联合生成。这些功能使得用户可以更精细地控制图像生成过程,为图像编辑和合成领域带来新的可能性。
ComfyUI-ArtGallery - AI艺术创作提示词可视化工具
ComfyUIGithubSD3SDXL开源项目提示词可视化艺术画廊
ComfyUI-ArtGallery是一款面向AI艺术创作的提示词可视化工具。该项目提供艺术家、艺术运动、艺术媒介、相机镜头和胶片相机五大类提示词参考图库。创作者可通过选择参考图获取相应提示词,简化创作流程。这一工具既适合艺术新手,也能为专业创作者提供便捷辅助。ComfyUI-ArtGallery不仅提升创作效率,还方便用户探索多样艺术风格。
llava-onevision-qwen2-72b-si - 多模态模型提高视觉数据交互准确率
GithubHuggingfaceLLaVA-OneVision准确率图像交互多模态开源项目模型预训练模型
此开源项目使用多模态模型,准确率介于85.1%至93.7%之间,在AI2D、DocVQA、Science-QA等数据集表现优异。基于Qwen2语言模型,LLaVA-OneVision能在多语言环境中与视觉数据进行交互,经过大型图像及视频数据集训练,使用bfloat16精度。
ComfyUI-Gemini - 将Google Gemini AI模型引入ComfyUI的多模态对话与分析工具
AI绘图APIComfyUIGeminiGithub多模态开源项目
ComfyUI-Gemini项目集成了Google Gemini AI模型,为ComfyUI提供文本生成、图像分析和多模态对话功能。该项目支持Gemini-pro、Gemini-pro-vision和Gemini 1.5 Pro模型,可处理文本、图像、音频和视频等多种输入。它提供系统指令设置和多轮对话功能,并设计了隐式和显式API密钥节点,兼顾安全分享和个人使用需求。该项目为用户提供了灵活、强大的AI交互体验。
llava-onevision-qwen2-0.5b-si - 多模态AI模型实现图像、多图和视频的智能交互
GithubHuggingfaceLLaVA-OneVisionQwen2图像处理多模态开源项目模型视觉语言模型
LLaVA-OneVision是一个基于Qwen2的多模态AI模型,能够处理图像、多图和视频输入。它具有32K tokens的上下文窗口,支持英文和中文交互。该模型在AI2D、ChartQA和DocVQA等多项任务中表现优异,为视觉语言应用提供了强大的基础。LLaVA-OneVision采用LLaVA-OneVision数据集进行训练,可轻松集成到各类视觉语言项目中。
uform-gen2-qwen-500m - 小型多模态模型实现图像描述和视觉问答
GithubHuggingfaceUForm图像理解图像生成多模态AI开源项目模型视觉问答
UForm-Gen2-Qwen-500m是一款小型视觉语言模型,专注于图像描述和视觉问答。模型结合了ViT-H/14和Qwen1.5-0.5B-Chat,通过预训练和微调提升性能。支持图像描述、问答和多模态聊天功能,在多项基准测试中表现良好,适用于计算资源有限的场景。
ComfyUI-PuLID-ZHO - ComfyUI插件实现多风格迁移和ID混合功能
AI绘图ComfyUIGithubID混合PuLID开源项目风格迁移
ComfyUI-PuLID-ZHO是基于PuLID项目的非官方ComfyUI插件,提供多风格迁移和ID混合功能。支持单图多图处理,自动下载模型,可调节ID强度,具有两种模式选择。当前V0.9版本已可用,持续优化中。该插件简单易用,为AI图像创作提供更多可能性。
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