anycost-gan

高效灵活的GAN模型实现实时图像生成与编辑

Anycost GAN 图像合成交互式编辑计算成本 StyleGAN2 Github 开源项目

Anycost GAN是一种新型生成对抗网络,可在不同计算资源下生成一致的高质量图像。该模型支持多分辨率和自适应通道训练,实现实时图像编辑。项目提供预训练模型、演示和评估代码,方便研究人员和开发者探索高效GAN技术。

MDT - MDTv2图像合成模型：更快收敛和卓越性能

GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉

MDTv2是一种先进的深度学习图像合成模型，在ImageNet数据集上实现了1.58的FID分数，创造新的业界标准。该模型采用掩码潜在建模技术，提高了图像语义理解能力，学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升，为计算机视觉和人工智能领域带来了新的可能性。

XenoGASM - 文本到图像生成器，结合kl-f8-anime2 VAE提升图像细节

AI绘图GithubHuggingfaceStable DiffusionXenoGASM动画细节开源项目文本生成图像模型

XenoGASM使用kl-f8-anime2 VAE增强图像细节，专注于生成文本到图像的多样艺术风格。此模型支持多种风格，如油画、复古照片和卡通插画，适用于不同的创意需求。

COCOtiFaMix_v2 - AI驱动的动漫风格图像生成模型

GithubHuggingfaceStable Diffusion二次元风格人工智能绘图动漫角色开源项目文本生成图像模型

COCOtiFaMix_v2是一个基于Stable Diffusion的开源AI模型，专注于生成动漫风格图像。该模型可根据文本提示创建详细的插画，擅长呈现人物、服饰和场景元素。它支持多种视觉效果，如雨天、彩虹和花卉，适用于插画设计和游戏美术等领域。作为一个文本到图像的生成工具，COCOtiFaMix_v2为数字艺术创作提供了新的可能性。

CVPR2022-DaGAN - 基于深度感知的说话头像视频生成技术

DaGANGithub人工智能对抗生成网络开源项目深度感知视频生成

DaGAN是一种新型深度感知生成对抗网络,旨在生成高质量的说话头像视频。该方法利用面部深度信息提升生成效果,可适用于卡通和真人头像。在VoxCeleb1数据集上,DaGAN展现出优异性能。项目开源了预训练模型、在线演示和训练代码,便于研究复现。作为CVPR 2022的成果,DaGAN代表了说话头像生成领域的重要进展。

pix2pixHD - 高分辨率图像到图像转换及语义编辑

GANsGithubpix2pixHD图像翻译开源项目语义操控高分辨率

此Pytorch实现的高分辨率图像到图像转换方法（如2048x1024），可以将语义标签图转化为真实感图像，或从面部标签图生成肖像。该项目适用于街景和肖像等图像生成及交互编辑。需要NVIDIA GPU，提供详细的安装、测试和训练指南，支持多GPU和自动混合精度训练。

Ranni - 将文本指令精确转化为图像的AI生成技术

AI绘画CVPR 2024GithubRanni开源项目文本生成图像语义理解

Ranni是一个创新的文本到图像生成项目，结合大型语言模型和扩散模型，提高了指令理解和图像生成的精确度。该项目由规划模型和绘画模型组成，可将文本指令准确转化为视觉元素。除了生成高质量图像，Ranni还支持交互式编辑，方便调整生成结果。项目已开源模型权重，包含经LoRA微调的LLaMa-2-7B和全面微调的SDv2.1模型。

photo2cartoon - 将真实照片转化为卡通风格图像的AI工具

CycleGANGithubPhoto to CartoonU-GAT-IT人像卡通化小视科技开源项目

photo2cartoon项目使用AI技术将真实照片转换为卡通风格图像，通过unpaired image translation方法实现无需成对数据的图像转换。项目采用CycleGAN与U-GAT-IT模型，并结合自研的Soft-AdaLIN归一化方法和Face ID Loss，使生成的卡通画既具有卡通的简洁风格，又保留了清晰的身份特征。用户可通过微信小程序和在线平台体验该技术，并获取开源资源和详细教程进行本地测试和训练。

bigvgan_v2_24khz_100band_256x - 大规模训练的通用神经声码器

BigVGANGithubGradioHuggingfacePyTorch开源项目模型神经声码器音频合成

该项目通过大规模训练为神经声码器领域带来了新的发展。其自定义的CUDA内核实现了1.5至3倍的推理速度提升，满足高效应用需求。利用多尺度的子频段判别器和梅尔谱损失进行训练，适应多种音频环境，涵盖多语言语音和环境音等。项目还集成至Hugging Face Hub，提供预训练模型和交互式演示，支持最高24 kHz的采样率和多种频段配置，为语音合成领域的研究者和开发者提供便利。

gill - 使用多模态语言模型的图像生成方法

CC3MGILLGithub图像生成多模态语言模型开源项目训练

GILL模型可处理交互的图像和文本输入以生成文本、检索图像及生成新图像。本文详细介绍了GILL模型的代码、预训练权重、环境设置、预训检查点和视觉嵌入的安装步骤。此外，还包括推理、训练及评估的指南，及启动Gradio演示的操作步骤。更多详情请参阅相关研究论文及项目页面。

Paint-by-Example - 通过扩散模型进行示范导向的图像编辑

GithubHuggingfacePaint by Example图像编辑开源项目扩散模型自监督训练

该项目通过自监督训练，重新组合源图像及示范图像，避免了直接复制粘贴带来的伪影。采用任意形状掩码和无分类器指导，提升编辑过程的可控性，并通过一次性前向扩散模型实现高保真图像编辑。项目展示了对自然图像的高效可控编辑效果，提供了预训练模型、测试基准和量化结果，适用于图像编辑和生成的研究与应用。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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