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 - 先进的文本到图像AI生成模型

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v1-5是一种基于潜在扩散的文本到图像生成模型。它在LAION-5B数据集上经过595k步训练，可生成512x512分辨率的高质量图像。该模型适用于艺术创作、设计和研究，但存在人脸和文字渲染的局限性。模型通过Diffusers库提供，但不应用于生成有害内容。Stable Diffusion v1-5代表了AI图像生成技术的重要进展。

conditional-flow-matching - 连续正规化流模型的高效训练库

Flow MatchingGithubPyTorchTorchCFM开源项目生成模型连续正规化流

TorchCFM是一个专注于条件流匹配(CFM)方法的开源库，用于高效训练连续正规化流(CNF)模型。该库提供了多种CFM变体的实现，包括OT-CFM和[SF]2M，可用于图像生成、单细胞动力学和表格数据等任务。TorchCFM旨在帮助研究人员更便捷地使用和扩展这些先进的生成模型技术，缩小CNF与扩散模型之间的性能差距。

FollowYourPose - 基于姿态和文本的自动视频生成技术

AAAI 2024AI生成Follow-Your-PoseGithub姿态控制开源项目文本生成视频

FollowYourPose项目提出了一种新方法，可以通过姿态和文本生成视频。该方法采用两阶段训练方案，利用易获取的数据集和预训练的文本到图像模型，生成可编辑且姿态可控的角色视频。第一阶段通过关键点图像对进行文本到图像的生成，第二阶段利用姿态自由视频数据集微调网络，成功生成连续的姿态可控角色视频，同时保留预训练模型的编辑和概念组合能力。

DEADiff - DEADiff模型实现高效风格化图像生成

DEADiffGithub图像风格化开源项目扩散模型文本到图像生成计算机视觉

DEADiff是一种风格化扩散模型，通过参考图像风格和文本提示生成新颖图像。该模型利用解耦表示技术，实现高效风格迁移和文本引导图像生成。DEADiff可将多种风格应用于不同场景，同时保持内容准确性。这项研究由中国科学技术大学和字节跳动的团队完成，并在CVPR 2024上发表。

ddpm-ema-church-256 - DDPM模型在图像合成中的应用与性能分析

Denoising Diffusion Probabilistic ModelsGithubHuggingface噪声调度器图像合成开源项目无条件生成模型深度学习

ddpm-ema-church-256项目采用DDPM模型进行图像合成，结合扩散概率模型与Langevin动态，取得CIFAR10数据集Inception分数9.46和FID分数3.17。支持DDPM、DDIM、PNDM调度器推理，实现质量与速度平衡，并提供预训练管道以生成高质量图像。项目为图像生成与压缩提供了创新思路。

Stable Video Diffusion - 革新性AI图像到视频生成技术

AI工具AI视频生成Stable Video Diffusion人工智能图像转视频视频创作

Stable Video Diffusion是一种先进的AI视频生成技术，能将静态图像或文本转换为高质量视频。通过图像预训练、视频预训练和高质量视频微调，实现多视角3D生成和文本到视频转换。该技术广泛应用于广告、电影预告片和教育视频等领域，为内容创作开辟新途径。用户可轻松上传图像，选择风格并生成AI视频，无需专业经验。

LCM_Dreamshaper_v7 - 基于潜在一致性模型的高效图像生成技术

AI绘图DiffusersGithubHuggingfaceLatent Consistency Models图像生成开源项目模型深度学习

LCM_Dreamshaper_v7是一种基于潜在一致性模型的文本到图像生成技术。该模型通过将分类器无关引导蒸馏到输入中，实现了在极短时间内生成高质量图像。它仅需4步推理即可生成768x768分辨率的图像，显著提高了生成效率。用户可通过Hugging Face Spaces在线体验，或使用Diffusers库在本地运行。LCM_Dreamshaper_v7为快速、高质量的图像生成提供了新的解决方案。

realistic-vision-v12 - 基于文本生成逼真图像的新技术

AI绘图GithubHuggingfaceRealistic Visiondiffusersstable-diffusion图像生成开源项目模型

Realistic Vision 1.2结合稳定扩散技术和diffusers库，从文本生成高质量的逼真图像。采用CreativeML-OpenRAIL-M许可证，项目为数字创作提供了灵活性和创新性。通过简单的文本提示，用户可以生成多种符合视觉需求的图像，适用于多个创意领域。

HumanSD - 基于骨骼引导的人体图像生成模型

GithubHumanSDStable Diffusion人物图像生成开源项目扩散模型骨架引导

HumanSD是一个基于骨骼引导的扩散模型，用于生成可控的人体图像。该模型通过热图引导去噪损失对稳定扩散模型进行微调，增强了骨骼条件的控制能力，同时减轻了灾难性遗忘。HumanSD在三个大规模人体数据集上训练，其中两个是新建立的。相比现有方法，HumanSD在复杂姿势、绘画风格、多人场景和细节方面表现更佳。

DiffusionGPT - LLM驱动的多功能文本转图像生成系统

DiffusionGPTGithub人工智能图像生成大语言模型开源项目文本生成图像

DiffusionGPT是一个利用大型语言模型(LLM)的文本到图像生成系统。该系统能适应多种类型的提示，并整合专业领域模型。DiffusionGPT通过LLM技术，提供了一个统一的生成平台，可处理多样化的输入并生成图像。项目提供开源代码、在线演示和使用指南，方便研究人员和开发者进行实验和应用。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com