Logo
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

Florence2ComfyUI视觉基础模型多任务学习DocVQAGithub开源项目

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。

GithubGithubHuggingfaceHuggingface
介绍相关项目
ComfyUI_TensorRT - 利用TensorRT优化稳定扩散模型在NVIDIA RTX显卡上的性能
AI模型优化ComfyUIGithubNVIDIA GPUTensorRT开源项目稳定扩散
ComfyUI_TensorRT项目为ComfyUI提供了TensorRT节点，旨在优化NVIDIA RTX显卡上稳定扩散模型的性能。该项目支持多个版本的稳定扩散模型，包括SDXL、SVD和AuraFlow等。通过生成GPU专用的TensorRT引擎，实现了模型运行效率的显著提升。项目支持动态和静态引擎构建，适应不同的分辨率和批量大小需求。此外，项目还提供了详细的安装和使用指南，便于用户在ComfyUI中集成和应用。
ComfyUI-3D-Pack - ComfyUI的多功能3D资产生成节点套件
3D可视化3D生成3D资产AI建模ComfyUIGithub开源项目
ComfyUI-3D-Pack为ComfyUI扩展了3D处理能力的节点套件。它集成了3DGS、NeRF等算法和InstantMesh、CRM、TripoSR等模型，实现单图到3D网格的生成、多视图重建和3D可视化。该套件还提供轨道相机姿态生成、3D渲染等工具，简化了3D资产的生成流程。
moondream - 小巧高效的视觉语言模型 兼容多平台运行
AI问答Githubmoondream图像识别开源项目深度学习视觉语言模型
moondream是一款小型视觉语言模型，可在多种平台上运行。该模型在VQAv2、GQA和TextVQA等基准测试中表现优异，能够回答图像相关问题并提供详细描述。moondream支持批量处理，可通过transformers库或GitHub仓库使用。尽管体积小巧，该模型在图像理解和问答任务上表现出色。
llava-onevision-qwen2-7b-si - 多模态AI模型实现图像和视频的深度理解
GithubHuggingfaceLLaVA-OneVisionQwen2图像识别多模态开源项目机器学习模型
LLaVA-OneVision是一个基于Qwen2语言模型的多模态AI系统，拥有32K tokens的上下文窗口。该模型能够处理单图像、多图像和视频输入，在多个基准测试中表现出色。支持英语和中文，适用于广泛的视觉理解任务。开发者可通过提供的Python代码快速集成该模型，实现图像分析和问答功能。
comfy_mtb - 多功能节点集扩展ComfyUI图像生成工作流
AI工具ComfyUIGitHubGithubMTB Nodes开源项目
comfy_mtb是一个为ComfyUI设计的节点集合，用于增强AI图像生成工作流。该项目包含图像处理、文本操作和颜色管理等多种节点，提供更灵活的生成过程控制。comfy_mtb持续更新，并提供详细文档和示例，可帮助AI艺术创作者扩展ComfyUI的功能。
ComfyUI-AdvancedLivePortrait - 实时预览与高级表情编辑
AI绘图ComfyUIGithub动画制作开源项目表情编辑视频处理
ComfyUI-AdvancedLivePortrait是一个开源的人像动画工具，提供实时预览功能。这个项目允许用户编辑照片中的面部表情，将表情插入视频，创建多表情动画，并从样本照片中提取表情。它支持部分表情提取，可通过ComfyUI-Manager安装。该工具提供工作流和样本数据，支持视频表情添加以及表情数据的保存和加载。
comfyui-tooling-nodes - ComfyUI外部工具节点集合，扩展图像处理和API功能
AI工具ComfyUIGithub图像处理开源项目深度学习节点系统
comfyui-tooling-nodes为ComfyUI提供了一系列增强功能的节点集合。这些节点涵盖了图像处理、区域注意力遮罩和平铺图像处理等功能，同时还包含HTTP API扩展。该项目将ComfyUI定位为外部工具的后端，通过base64图像传输、WebSocket通信和多语言翻译等功能，有效提升了工作流程的效率和灵活性。这些功能为开发者和用户开启了更多创新的可能性。
colqwen2-v0.1 - ColQwen2：结合ColBERT策略的先进视觉语言检索模型
ColQwen2GithubHuggingfaceQwen2-VL多向量表示开源项目文档检索模型视觉语言模型
ColQwen2是一种基于Qwen2-VL-2B的创新视觉语言模型，结合ColBERT策略实现高效文档检索。它支持动态图像分辨率输入，最多处理768个图像patch，在性能和内存需求间取得平衡。模型通过127,460对查询-页面数据训练，涵盖学术和合成数据集，重点关注英语内容，探索零样本跨语言泛化能力。ColQwen2为文本-图像检索任务提供了先进的解决方案，展现了在效率和准确性方面的显著优势。
ComfyScript - 简化AI图像生成工作流的Python工具
AI绘图ComfyScriptComfyUIGithubPython工作流开源项目
ComfyScript是一个Python工具，旨在简化ComfyUI的AI图像生成工作流。它支持以人类可读格式编写和管理工作流，直接运行脚本生成图像，将ComfyUI用作函数库，以及生成和转换工作流。ComfyScript的transpiler功能可将ComfyUI工作流转换为Python脚本，便于比较、重用和优化。这个开源项目为AI图像生成提供了更灵活的工具，增强了开发者和研究人员的能力。
Multimodal-GPT - 整合视觉与语言功能的多模态对话机器人
GithubOpenFlamingo多模态GPT开源项目联合训练视觉指令语言模型
Multimodal-GPT是一个基于OpenFlamingo多模态模型的项目，通过结合视觉指令和语言指令数据的联合训练，有效提升模型性能。该项目支持VQA、图像描述、视觉推理、文本OCR和视觉对话等多种数据类型，并利用LoRA进行参数高效的微调。探索Multimodal-GPT的广泛应用可能性。
相关项目
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。

使用协议隐私政策广告服务
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