Project Icon

Awesome-diffusion-model-for-image-processing

扩散模型在图像处理领域的最新进展与应用汇总

本项目汇总了扩散模型在图像处理领域的最新研究进展,涵盖图像复原、增强、编码和质量评估等方面。重点关注图像超分辨率、修复和去噪等任务,提供全面的调查报告和定期更新的研究成果。项目收录了大量相关开源代码和数据集资源,为研究人员提供了重要的参考信息。

stable-diffusion-2-inpainting - 基于扩散模型的高分辨率图像生成和修复工具
GithubHuggingfaceStable Diffusion人工智能图像生成开源项目模型深度学习计算机视觉
stable-diffusion-2-inpainting是一个基于扩散模型的图像生成和修复工具。该模型能根据文本提示生成高质量图像,并支持高分辨率图像修复。它采用LAMA的掩码生成策略,结合掩码图像的VAE潜在表示作为额外条件。该模型在英语提示下效果最佳,适用于艺术创作、设计和研究等领域。然而,它也存在一些局限性,如无法生成可读文本,对复杂任务表现欠佳。使用时应注意避免生成有害或带有偏见的内容。
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。
dreamlike-diffusion-1.0 - 经过艺术优化的Stable Diffusion图像生成模型
GithubHuggingfaceStable Diffusion人工智能绘画图像生成开源项目模型深度学习模型艺术创作
Dreamlike Diffusion 1.0通过对Stable Diffusion 1.5的艺术风格优化,提供了更强的艺术创作能力。模型支持512x768等多种分辨率配置,可生成肖像和风景作品。通过Python Diffusers、Gradio界面支持多平台使用,开放非商业用途部署,商业应用需获得授权。关键词dreamlikeart可增强作品的艺术效果。
diffseg - 基于稳定扩散的零样本图像分割方法
DiffSegGithubStable Diffusion开源项目无监督学习注意力机制零样本分割
DiffSeg是一种利用稳定扩散模型注意力信息的无监督零样本图像分割方法。这个开源项目实现了DiffSeg算法,并提供环境设置指南、运行说明和基准测试。DiffSeg在CoCo-Stuff-27和Cityscapes数据集上表现出色,为计算机视觉领域提供了新的解决方案。特别适合研究无监督学习和零样本学习的专业人士,以及需要高效、灵活图像分割方案的研究人员和开发者。
Diffus - 高精度Stable Diffusion图像生成平台
AI工具AI绘图Stable Diffusion人工智能艺术图像生成深度学习
Diffus为创意工作者提供精确控制的Stable Diffusion图像生成平台。用户可通过独特的构图控制、灯光和颜色调整等功能,轻松创作高质量图像。丰富的模型库支持多样化创作需求,适用于专业项目和个人创作。Diffus致力于帮助用户将创意概念转化为视觉作品,提升图像生成效率。
InstanceDiffusion - 实现精确实例级图像生成控制的突破性方法
GithubInstanceDiffusion图像生成实例级控制开源项目文本到图像条件生成
InstanceDiffusion为文本到图像的扩散模型引入精确的实例级控制。该技术支持每个实例的自由语言条件,可灵活指定实例位置,包括单点、涂鸦、边界框和实例分割掩码。相比现有技术,InstanceDiffusion在框输入的AP50上提升2.0倍,掩码输入的IoU提高1.7倍,为图像生成和编辑领域带来新的可能性。
stable-diffusion-inpainting - 开源AI模型实现图像修复和高质量生成
AI绘画GithubHuggingfaceStable Diffusion修复绘画图像生成开源项目文本转图像模型
Stable Diffusion Inpainting是一个开源的文本到图像生成和修复模型。它基于潜在扩散技术,可根据文本描述生成高质量图像,并能对现有图像进行智能修复。该模型在LAION-Aesthetics数据集上训练,支持512x512分辨率输出。适用于艺术创作、设计等领域,但不应用于生成有害内容。目前主要支持英文输入,其他语言效果可能有限。
Awesome-Denoise - 图像与视频去噪技术的最新研究分类
Awesome-DenoiseGithub图像降噪基准数据集开源项目自监督学习视频降噪
本项目汇总了图像与视频去噪领域的多项最新研究,通过色彩空间、图像类型和噪声模型进行分类。包含RGB、Raw以及两者兼顾的色彩空间,单张图像、连拍和视频的图像类型,以及多种噪声模型如加性白高斯噪声、泊松高斯噪声和基于生成对抗网络的噪声模型。此外,项目还整理了多个基准数据集和自监督去噪的研究论文,为研究人员提供全面的参考资源。
image-restoration-sde - 创新图像恢复方法 结合SDE和扩散模型的IR-SDE与Refusion
GithubIR-SDERefusionSDE图像恢复开源项目深度学习
该项目提出IR-SDE和Refusion两种图像恢复方法。IR-SDE采用均值回复随机微分方程,在多项任务中达到最优性能。Refusion整合潜空间扩散模型,可处理大尺寸真实图像。这些技术适用于合成和实际数据集,有效解决图像去雨、去雾、去阴影等问题。项目开源完整PyTorch实现代码,并提供预训练模型和使用指南。
CCSR - 改善扩散模型在内容一致超分辨率任务中的稳定性
CCSRGithub图像恢复开源项目扩散模型稳定性超分辨率
CCSR项目专注于提高扩散模型在内容一致超分辨率任务中的稳定性。项目引入全局标准差(G-STD)和局部标准差(L-STD)两个新指标,用于评估基于扩散的方法在超分辨率结果中的图像级和像素级变化。实验表明,CCSR在真实世界和双三次超分辨率任务中均有优异表现,能够生成更稳定、高质量的图像。项目提供开源代码、预训练模型和在线演示,方便研究人员和开发者使用。
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