Project Icon

ladi-vton

先进的虚拟试衣技术融合潜在扩散与文本反转

LaDI-VTON是一种结合潜在扩散模型和文本反转技术的虚拟试衣系统。它通过可跳跃连接的自编码器增强图像生成,并利用文本反转将服装特征映射到CLIP词嵌入空间,有效保留服装细节。在Dress Code和VITON-HD数据集上的测试显示,LaDI-VTON的性能显著超越了现有方法,为虚拟试衣技术带来突破。

yolos-fashionpedia - 时尚领域物品检测的精细化模型
FashionpediaGithubHuggingfaceYOLOS开源项目时尚模型模型微调物体检测
该模型专注于时尚领域的目标检测,识别多种服饰及配饰类别,包括衬衫、外套、帽子、鞋等。采用微调后的YOLOS架构,并使用Fashionpedia数据集训练,为时尚分析提供准确的识别功能。实现细节可在项目源码查看。
AnyDoor - 实现对象级图像灵活定制和编辑
AnyDoorGithub图像定制开源项目深度学习目标级处理零样本学习
AnyDoor是一种零样本对象级图像定制技术,实现灵活的图像编辑。它能将参考对象无缝插入目标图像,保持风格一致性和真实感。项目提供训练和推理代码、预训练模型及在线演示。AnyDoor适用于虚拟试穿、换脸等任务,也可作为区域到区域生成任务的基础模型。该技术为图像编辑和生成领域提供了新的可能性。
CFLD - 粗到细潜在扩散实现姿态引导人像合成
CFLDCVPRGithubpose-guided人物图像合成开源项目潜在扩散
CFLD项目提出粗到细潜在扩散方法,用于姿态引导的人像合成。该方法采用多阶段策略,先生成粗略草图再逐步细化,提高了生成图像质量和准确性。作为CVPR 2024亮点论文,CFLD在人像合成领域展现了重要进展。
Text2Tex - 文本驱动的3D网格高质量纹理生成方法
3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成
Text2Tex是一种新型3D网格纹理生成方法,利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型,从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列,Text2Tex有效避免了不一致和拉伸问题,同时优化了纹理更新过程。实验结果显示,在文本驱动纹理生成领域,Text2Tex的性能明显优于现有技术。
stable-diffusion-2 - 高分辨率文本到图像生成模型
AI绘图GithubHuggingfaceStable Diffusion开源项目文本生成图像机器学习模型深度学习
Stable Diffusion v2是一款基于潜在扩散模型的文本到图像生成工具,支持768x768高分辨率输出。该模型采用OpenCLIP-ViT/H文本编码器,在LAION-5B数据集上训练而成。它提供多个预训练检查点,包括基础模型、深度条件模型和放大模型,适用于艺术创作、设计和研究等领域。Stable Diffusion v2在图像生成质量和多样性方面有显著提升,为AI图像创作提供了新的可能。
ECON - 单图高精度3D人体重建 支持复杂姿态和宽松服装
3D人体重建CVPRECONGithub开源项目深度学习计算机视觉
ECON是一种从单张彩色图像进行人体数字化的先进技术。它结合隐式和显式表示的优点,能从日常图像中重建高保真3D着装人体模型,即使对象穿着宽松服装或处于复杂姿势。该技术支持多人重建和SMPL-X动画,采用创新的d-BiNI方法优化前后2.5D表面,保证细节与法线图一致并与SMPL-X表面对齐。ECON在处理各种实际场景中的人体重建任务时表现出色。
normal-depth-diffusion - 通用法线深度扩散模型实现高细节3D生成
3D模型AI生成GithubNormal-Depth Diffusion Model图像生成开源项目深度学习
Normal-Depth Diffusion Model是一个创新的文本到3D生成模型,采用法线深度扩散技术生成细节丰富的3D模型。该项目支持单视图和多视图生成,提供预训练权重、推理和训练代码,以及Objaverse数据集的多视图渲染图像。这一模型为3D内容创作开辟新途径,可应用于艺术设计等多个领域。
richdreamer - 基于法线-深度扩散模型的高细节文本到3D生成技术
AI生成GithubRichDreamer多视图渲染开源项目文本转3D深度扩散模型
RichDreamer是一种基于法线-深度扩散技术的文本到3D生成模型,能创建细节丰富的3D内容。它结合了多视图法线-深度和反照率扩散模型,生成高质量3D资产。项目开源了代码、预训练模型,并提供在线演示,为3D内容创作提供了实用解决方案。
Open-MAGVIT2 - 自回归视觉生成新突破 大幅提升图像分词性能
GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成
Open-MAGVIT2是一个创新的自回归视觉生成项目,采用无查找技术和262144大小的码本,克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器,在图像分词方面取得显著进展,8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展,目前处于积极开发阶段,未来计划拓展至视频生成领域。
ViP-LLaVA - 改进大型多模态模型的视觉提示理解能力
CVPR2024GithubViP-LLaVA多模态模型开源项目视觉提示视觉语言模型
ViP-LLaVA项目旨在提升大型多模态模型对任意视觉提示的理解能力。通过在原始图像上叠加视觉提示进行指令微调,该方法使模型能更好地处理多样化的视觉输入。项目还开发了ViP-Bench,这是首个零样本区域级基准,用于评估多模态模型性能。ViP-LLaVA提供完整的训练流程、模型权重和演示,为视觉语言模型研究提供了有力支持。
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