Project Icon

HiDiffusion

无需训练即可提升扩散模型分辨率和速度的方法

HiDiffusion是一种提高预训练扩散模型分辨率和速度的方法,无需额外训练。通过添加单行代码即可集成到现有扩散管道中。它支持文本到图像、图像到图像和修复等多种任务,适用于Stable Diffusion XL、Stable Diffusion v2等主流模型。HiDiffusion还兼容ControlNet等下游任务,为图像生成提供更高质量和效率。

distill-sd - 更小更快速的Stable Diffusion模型,依靠知识蒸馏实现高质量图像生成
GithubStable Diffusion开源项目模型压缩神经网络训练细节预训练检查点
基于知识蒸馏技术开发的小型高速Stable Diffusion模型。这些模型保留了完整版本的图像质量,同时大幅减小了体积和提升了速度。文档详细介绍了数据下载脚本、U-net训练方法和模型参数设置,还支持LoRA训练及从检查点恢复。提供清晰的使用指南和预训练模型,适配快速高效图像生成需求。
diffae - 基于扩散模型的自编码器框架实现图像生成与编辑
Diffusion AutoencodersGithub图像处理开源项目深度学习生成模型计算机视觉
diffae项目实现了基于扩散模型的自编码器框架,用于高质量图像的生成和编辑。该项目提供多个预训练模型,支持FFHQ、LSUN等数据集,实现了无条件生成、图像操作和插值等功能。项目包含使用说明、模型检查点和针对不同数据集的训练脚本,为图像生成和编辑研究提供了完整的工具链。
denoising-diffusion-pytorch - 生成模型新方法:Pytorch中的Denoising Diffusion
Denoising Diffusion Probabilistic ModelGithubLangevin采样Pytorch开源项目扩散模型生成建模
Denoising Diffusion Probabilistic Model在Pytorch中的实现,通过去噪得分匹配估计数据分布梯度,并使用Langevin采样生成样本。这种方法可能成为GANs的有力竞争者。项目支持多GPU训练,提供详细的安装和使用指南,是研究人员和开发者的高效工具,支持1D序列数据和图像数据的生成和训练。
multidiffusion-upscaler-for-automatic1111 - 生成与图像放大技术,适用于低显存环境
ControlNetDemofusionGithubTiled DiffusionVAEsd-webui开源项目
通过瓦片扩散与VAE技术,该扩展支持在有限显存条件下生成或放大超大图像(≥2K)。主要功能包括瓦片VAE、瓦片扩散、区域提示控制和噪声反演,并兼容ControlNet、StableSR和SDXL等高级功能。项目免费开放使用和修改,自2023.3.28起代码不得用于商业贩售。访问wiki页面获取更多详细文档和教程。
stable-diffusion-x4-upscaler - 基于稳定扩散技术的AI图像4倍放大模型
GithubHuggingfaceStable Diffusion上采样人工智能图像生成开源项目机器学习模型
stable-diffusion-x4-upscaler是一个开源的AI图像放大模型,基于稳定扩散技术开发。它可以将图像分辨率提高4倍,同时保持图像质量。该模型支持文本引导,能根据描述优化放大效果。采用潜在扩散模型技术,在1000万张高分辨率图像上训练。适用于图像分辨率提升、艺术创作和图像编辑等领域。
stable-diffusion-colab - Stable Diffusion Hyper-SDXL模型在Colab上的简易部署与使用
AI绘图ColabGithubStable Diffusion开源项目文本生成图像深度学习
该项目为Stable Diffusion Hyper-SDXL模型提供了Colab部署方案。用户可通过简单的文本提示生成高分辨率创意图像,如火星上骑马的宇航员或埃菲尔铁塔前用餐的皮卡丘。项目采用先进的潜在扩散模型技术,并集成了LCM-LoRA加速模块,有效提升了图像生成效率。
stable-diffusion-nvidia-docker - 基于Docker的Stable Diffusion简易部署方案
AI绘图DockerGPUGithubStable Diffusion多GPU支持开源项目
该项目为Stable Diffusion模型提供基于Docker的部署方案,适用于Ubuntu和Windows系统。通过简单的Web UI界面,用户可在GPU设备上轻松运行Stable Diffusion,支持多GPU推理、图像到图像转换和图像修复功能。项目集成了Stable Diffusion 2.0模型,为AI图像生成技术的使用提供便捷途径。
stable-diffusion-2-1-base - 基于稳定扩散技术的高质量文本到图像生成模型
GithubHuggingfaceStable Diffusion人工智能绘图开源项目文本生成图像模型深度学习计算机视觉
stable-diffusion-2-1-base是Stability AI开发的文本到图像生成模型,基于潜在扩散技术。该模型在大规模图像数据集上训练,可根据文本提示生成512x512分辨率的高质量图像。相比之前版本,2.1版本在图像质量和文本理解能力上有所提升。模型适用于艺术创作、设计辅助等场景,可通过Hugging Face Diffusers库轻松使用。
ml-stable-diffusion - 在Apple设备上实现高效稳定的AI图像生成
AI绘图Core MLGithubStable Diffusion开源项目性能优化模型转换
ml-stable-diffusion是一个开源项目,旨在优化Stable Diffusion模型在Apple设备上的运行。它包含用于模型转换的Python工具和用于iOS/macOS应用集成的Swift包。通过权重压缩等技术,该项目显著提升了性能和内存效率,使开发者能够在Apple平台应用中实现高质量的AI图像生成。
stable-diffusion-xl-1.0-inpainting-0.1 - AI驱动的图像生成和局部修复模型 支持高分辨率编辑
GithubHuggingfaceSDXL人工智能修复图像生成开源项目模型绘画
stable-diffusion-xl-1.0-inpainting-0.1是基于Stable Diffusion XL的AI图像生成和修复模型。该模型支持根据文本提示生成逼真图像,并能进行局部编辑和修复。采用1024x1024分辨率训练,可实现高质量图像处理。用户通过提供原图、蒙版和文本描述,即可完成精准图像编辑。这一工具适用于艺术创作、设计和研究等领域,但仍存在一些限制,例如无法生成可读文本。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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