CVPR23_LFDM

潜在流扩散模型实现条件图像到视频生成

CVPR23_LFDM项目提出了一种基于潜在流扩散模型的条件图像到视频生成方法。该方法在MUG、MHAD和NATOPS数据集上展示了生成流畅自然的人脸表情和人体动作视频的能力。项目开源了预训练模型、演示代码和详细的模型训练流程，为计算机视觉研究提供了有价值的资源。

Github

论文

介绍相关项目

stable-diffusion-v1-5 - 文本到图像生成的多平台兼容潜在扩散模型

AI绘图GithubHuggingfaceStable Diffusion开源项目文本到图像模型生成对抗网络生成艺术

Stable Diffusion v1-5 是一个使用潜在扩散技术的文本到图像生成模型，可生成高逼真度的图像。该模型经过多次优化与微调，兼容Diffusers库及多种用户界面，强调安全性并配备NSFW检查器，适用于研究、艺术创作及设计领域。此模型针对不同GPU环境设计，具有高效的生成性能。

DragDiffusion - 基于扩散模型的交互式图像编辑工具

DragDiffusionGithub交互式人工智能图像编辑开源项目扩散模型

DragDiffusion结合扩散模型和交互式编辑，允许用户通过拖拽操作修改图像。支持真实和生成图像编辑，集成LoRA训练、自定义VAE和FreeU技术，提高编辑质量和效率。这个研究项目为图像处理提供了新的方法和工具。

DynamiCrafter - 将开放域图像转化为动态视频的AI动画工具

AI动画DynamiCrafterGithub图像动画化开源项目视频插帧视频生成

DynamiCrafter是一个图像动画化项目,能够基于文本提示将静态图像转换为动态视频。该项目利用预训练的视频扩散模型,生成高分辨率、连贯性强的动画。除了基础的图像动画化功能,DynamiCrafter还支持故事视频生成、帧插值和循环视频生成等应用。该项目在ECCV 2024会议上进行了口头报告,并在多项图像到视频生成基准测试中表现出色。

CVPR2024-Papers-with-Code-Demo - 最新CVPR论文及其代码全面解析

CVPR 2024Diffusion ModelGithub多模态开源项目知识蒸馏论文

CVPR2024-Papers-with-Code-Demo项目整合了CVPR会议的最新论文和开源代码，覆盖机器学习、计算机视觉等多个领域，提供丰富的论文资源和代码链接。适合学者和开发者深入探讨和应用最新科研成果。

stable-diffusion-1.5 - 开源深度学习模型实现文本到图像的精确转换与生成

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像模型深度学习计算机视觉

Stable-Diffusion-v1-5采用Latent Diffusion架构和LAION-2B数据集训练，能将文本提示准确转换为512x512分辨率的图像。模型通过Diffusers和RunwayML提供标准接口，内置内容审核机制，主要应用于研究、艺术创作和教育领域。目前仅支持英文输入，使用时需遵循CreativeML OpenRAIL-M开源协议规范。

LLaMA-VID - 支持长视频处理的多模态大语言模型

GithubLLaMA-VID多模态大语言模型开源项目视觉语言模型视频理解

LLaMA-VID是一个新型多模态大语言模型,可处理长达数小时的视频。它通过增加上下文令牌扩展了现有框架的能力,采用编码器-解码器结构和定制令牌生成策略,实现对图像和视频的高效理解。该项目开源了完整的模型、数据集和代码,为视觉语言模型研究提供了有力工具。

ddpm-ema-celebahq-256 - 无条件图像生成的高效去噪扩散模型

CIFAR10DDPMGithubHuggingfaceProgressiveGAN噪声调度器图像合成开源项目模型

项目通过去噪扩散概率模型实现高质量无条件图像生成，结合无平衡态热力学概念，在CIFAR10和256x256 LSUN数据集上取得了优异的Inception和FID评分。用户可以灵活选择噪声调度器以平衡生成质量与速度，该模型也支持渐进式无损压缩，作为自动回归解码的推广。详情请参照官方推理与训练示例。

diffusion-rig - 基于个性化先验的人脸外观编辑技术

DiffusionRigGithub个性化先验人脸编辑开源项目扩散模型计算机视觉

DiffusionRig是一个基于扩散模型和3D面部重建的人脸外观编辑项目。它通过学习个性化先验知识，实现了对光照、表情和头部姿势等属性的精准调整，同时保持身份特征。该项目首先在FFHQ数据集上训练通用模型，然后可快速适应个人照片集。DiffusionRig为人像编辑和虚拟试妆等应用提供了新的技术方案。

blended-latent-diffusion - 快速高精度的局部文本引导图像编辑技术

Blended Latent DiffusionGithubSIGGRAPH 2023图像生成开源项目扩散模型文本驱动编辑

Blended Latent Diffusion是一种创新的局部文本引导图像编辑技术。该方法在低维潜在空间中操作，显著提高了编辑效率。通过融合扩散技术和优化策略，它解决了图像重建精度问题，并支持细微区域的局部编辑。与现有方法相比，Blended Latent Diffusion不仅处理速度更快，还实现了更高的编辑精度，同时减少了常见的图像伪影。该技术可应用于背景编辑、文本生成和对象修改等多个领域。

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