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

2_rectified_flow_from_sd_1_5 - 基于Stable Diffusion微调的快速文本生成图像模型

AI绘图GithubHuggingfaceInstaFlowStable Diffusion开源项目文本生成图像模型深度学习

2-Rectified Flow模型是对Stable Diffusion 1.5的改进，采用文本条件重流技术实现快速高质量图像生成。项目在GitHub开源，提供了完整的训练过程、MS COCO 2017数据集上的评估结果以及使用方法。该模型在少步生成和图像质量方面都有出色表现，为文本到图像生成领域贡献了新的解决方案。

GaussianFlow - 高斯动态结合点云渲染的4D内容创作方法

3D重建GaussianFlowGithub光流开源项目深度学习计算机视觉

GaussianFlow项目提出了一种4D内容创作方法，结合高斯动态与点云渲染技术。该项目利用优化的CUDA实现高效计算高斯流，并采用特定的梯度计算策略提高训练速度。这一方法为动态场景建模和渲染提供了新的解决方案，可应用于虚拟现实、增强现实和计算机图形学等领域。

Real-Time-Latent-Consistency-Model - 实时潜在一致性模型，支持多种图像转换管道

CUDAControlNetDiffusersGithubLatent Consistency ModelLoRA开源项目

此项目展示了使用Diffusers进行图像转换的实时潜在一致性模型（LCM），支持img2img、txt2img、ControlNet等多种管道。需要CUDA和Python 3.10等环境支持，提供详细的安装指南和使用示例。LCM + LoRAs可以在极少步骤内完成推理，加快处理速度。项目支持Docker部署，并提供不同平台的实时演示链接。

MVDream - 多视角扩散模型实现高质量3D内容生成

3D生成AI视觉GithubMVDream多视角扩散模型开源项目深度学习

MVDream是一个开源的多视角扩散模型项目，用于3D内容生成。项目在GitHub上提供两个代码仓库：多视角扩散模型（https://github.com/bytedance/MVDream）和集成SDS技术的3D生成（https://github.com/bytedance/MVDream-threestudio）。由字节跳动研究团队开发，为计算机视觉和3D生成领域提供新的工具和方法。

Gen-L-Video - 无需额外训练实现多文本条件长视频生成和编辑

Gen-L-VideoGithub多文本条件开源项目无需预训练视频编辑长视频生成

Gen-L-Video是一种扩展短视频扩散模型的视频生成方法,能实现多文本条件下的长视频生成和编辑。该方法无需额外训练即可处理数百帧的视频,并保持内容一致性。Gen-L-Video支持多语义段视频生成、平滑语义变化和视频内容编辑等功能,为长视频处理提供了一种通用解决方案。

gmflow - 利用全球匹配提高光流估计的准确性与效率

GMFlowGithub光流估计全局匹配开源项目高效率高精度

GMFlow将光流重新定义为全球匹配问题，简化了光流估计流程。它提供灵活的模块化设计，可以轻松构建定制模型，并在高端GPU上显著加速。该项目在Sintel基准测试中表现出高准确性和效率，预训练模型适用于FlyingChairs、FlyingThings3D和KITTI等数据集。新更新扩展了GMFlow至立体和深度任务，并提供更多速度和准确性的选择。

latent-consistency-model - 高效快速的少步推理图像合成模型

AI绘图GithubLatent Consistency Models图像生成开源项目扩散模型深度学习

Latent Consistency Models (LCM) 是一种创新的图像生成技术,通过将分类器自由引导蒸馏到模型输入中,实现高效的少步推理。LCM支持文本到图像和图像到图像的生成,在极短时间内生成高质量图像,同时提供多种易用的演示。该技术在保持图像质量的同时显著缩短推理时间,为实时图像生成提供了新的可能性。

FreeInit - 改进视频生成一致性的方法，无需额外训练

FreeInitGithub开源项目无监督学习时序一致性视频扩散模型视频生成

FreeInit改进了视频扩散模型的一致性，通过简单的频率滤波器实现噪声重初始化，无需额外训练。已集成至Diffusers和ComfyUI-AnimateDiff-Evolved，可在Hugging Face上体验在线demo。项目代码和示例脚本方便研究人员应用。

sd-vae-ft-ema - 稳定扩散变分自编码器的增强版模型

GithubHuggingfaceStable Diffusion图像重建开源项目扩散模型机器学习模型自动编码器

sd-vae-ft-ema是一个基于LAION-Aesthetics和LAION-Humans数据集训练的稳定扩散变分自编码器。该模型在图像重建质量尤其是人脸细节方面优于原始VAE，具有更好的rFID、PSNR和SSIM指标表现，可作为扩散器工作流中的即插即用组件。

DiffMorpher - 扩散模型驱动的高质量图像变形技术

DiffMorpherGithub图像变形开源项目扩散模型深度学习计算机视觉

DiffMorpher是一项基于扩散模型的图像变形技术。该项目结合AdaIN和重新调度采样方法，实现高质量、连续的图像变形。DiffMorpher不仅适用于人脸，还能处理各种一般物体的变形，拓展了图像编辑的应用范围。项目同时推出MorphBench，作为评估一般物体图像变形效果的首个基准数据集。

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