Project Icon

imagen-pytorch

文本到图像合成技术,基于Pytorch的Imagen实现

Google的Imagen是一种基于Pytorch实现的文本到图像神经网络,被视为此领域的新技术标杆。它采用简化的架构和优化的设计,例如级联DDPM、动态剪辑和内存高效的Unet设计。该项目在从文本转换成图像的合成过程中,表现出了相比DALL-E2的显著优势,为研究人员和开发者提供了实用的图像生成工具。

blip-image-captioning-base - BLIP框架打造的先进图像描述生成模型
BLIPGithubHuggingface图像字幕图像理解多模态开源项目模型视觉语言预训练
blip-image-captioning-base是基于BLIP框架的图像描述生成模型,在COCO数据集上预训练。模型适用于条件和无条件图像描述任务,在图像-文本检索、图像描述和视觉问答等视觉语言任务中表现优异。它具有出色的泛化能力,可零样本迁移至视频语言任务。支持CPU和GPU运行,包括半精度模式,为开发者提供高效的图像描述生成工具。
tame-the-authenticity-machine-v10-sdxl - 稳定扩散XL模型实现逼真图像生成
GithubHuggingfacediffusersstable-diffusiontext-to-image图像生成开源项目模型真实感
该项目利用zyxt99565的模型,通过diffusers库进行文本到图像的转换,支持多标签如stable-diffusion-xl和photorealistic,专注于生成高质量逼真图像。
t5-v1_1-large - 自然语言处理的统一文本到文本框架
C4GithubHuggingfaceT5开源项目文本到文本转换模型自然语言处理转移学习
T5 Version 1.1在自然语言处理中提供了一种统一的文本到文本转换框架,融入了多项技术改进,如GEGLU激活函数和特定的模型架构,适用于多种NLP任务的微调。尽管仅在C4数据集上进行了预训练,但在下游任务中表现出色,适合数据丰富的任务之后微调,为现有NLP任务提供了有效支持。
stylegan2-pytorch - 简单易用的命令行StyleGAN2 Pytorch实现
GithubPytorchStylegan2图像生成开源项目生成对抗网络自注意力
简便的StyleGAN2 Pytorch实现,无需编程,只需使用命令行即可进行训练。支持多GPU与低数据量训练及图像插值视频生成,适合研究人员和开发者。
t5-v1_1-xxl-encoder-bf16 - Google T5 v1.1 XXL编码器模型助力文本到图像生成
GithubGoogleHuggingfaceT5单一安全张量开源项目文本到图像模型文本编码器模型
t5-v1_1-xxl-encoder-bf16是Google T5 v1.1 XXL编码器模型的单一safetensor版本,采用bfloat16精度。该模型设计用于配合PixArt等文本到图像模型,提供高效的文本编码能力。它可以提升文本到图像生成的质量和效率,适用于需要高性能文本理解和处理的AI图像生成项目。
InternImage - 突破大规模视觉基础模型性能极限
GithubInternImage图像分类大规模视觉模型开源项目目标检测语义分割
InternImage是一款采用可变形卷积技术的大规模视觉基础模型。它在ImageNet分类任务上实现90.1%的Top1准确率,创下开源模型新纪录。在COCO目标检测基准测试中,InternImage达到65.5 mAP,成为唯一突破65.0 mAP的模型。此外,该模型在涵盖分类、检测和分割等任务的16个重要视觉基准数据集上均展现出卓越性能,树立了多个领域的新标杆。
Memento - 结合现实生活V2和高保真模型的特点,生成个性化纪念图像
GithubHuggingfaceMemento人工智能图像生成开源项目模型稳定扩散
Memento结合Real Life v2和高保真模型,通过MementoVAE模块实现逼真的个性化图像生成。其text-to-image功能允许创作各类虚拟纪念品,从肖像到艺术作品。支持多种风格与场景,满足不同的创作需求。
internlm-xcomposer2d5-7b-4bit - 简化大型语言模型的文本与图像处理新纪元
4位量化模型GithubHuggingfaceInternLM-XComposer开源项目文本图像理解模型视频理解长上下文能力
InternLM-XComposer2.5在文本与图像理解领域展现非凡性能,其应用灵活性媲美GPT-4V,仅靠7B参数即可完成复杂任务。模型通过24K图文上下文训练与96K扩展能力,适用于大量输入输出任务。此外,项目提供了4-bit量化模型来有效降低内存消耗,并支持使用Transformers快速集成,涵盖从视频理解到多图对话的多种应用场景。
pixart-900m-1024-ft-v0.6 - 使用稳定扩散技术的创新图像生成模型
AI绘图GithubHuggingfacecyberpunk风格stable-diffusion图像合成开源项目未来城市模型
此开源项目利用稳定扩散技术,专注于文本生成图像的应用,确保高质量的图像输出。以ptx0/pixart-900m-1024-ft-large为基础,通过simpletuner调试,适合描绘多种艺术场景,如外星市场、奇幻森林、赛博朋克城市等。用户可借助自定义文本提示,生成详尽且清晰的图像,支持去除模糊、裁剪及不美观的元素。适合创意者、设计师,激发艺术创意与设计灵感。
git-base-coco - 应用于多任务的图像文本生成模型
COCOGITGithubHuggingface图像识别开源项目模型模型训练视觉问答
GIT是一种基于Transformer的图像文本生成模型,进行了COCO数据集的微调。其设计提升了在图像和视频描述以及问答上的能力。模型结合了CLIP图像令牌与文本令牌进行训练,能够有效预测下一个文本令牌。GIT被应用于图像和视频的标题生成、视觉问答和图像分类等视觉任务,利用大量图像文本对进行训练,实现了多样化的视觉语言任务,提升了视觉理解和交互的效果。
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