Project Icon

blended-latent-diffusion

快速高精度的局部文本引导图像编辑技术

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。

Forgedit - 基于学习和遗忘的文本引导图像编辑方法
ForgeditGithub图像编辑开源项目扩散模型文本引导深度学习
Forgedit是一种新型文本引导图像编辑方法,采用视觉-语言联合优化框架,能在30秒内重建原始图像。该方法在扩散模型的文本嵌入空间中引入向量投影机制,实现身份相似度和编辑强度的独立控制。Forgedit还提出了新的遗忘机制,解决了在单图像上微调扩散模型时的过拟合问题。基于Stable Diffusion构建的Forgedit在TEdBench基准测试中表现优异,CLIP评分和LPIPS评分均超过了之前的最佳方法。
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。
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。
LayerDiffuse - 基于潜在透明度的图层扩散技术 突破图像处理新境界
AI绘图GithubLayerDiffuse图像处理开源项目潜在透明度透明图层扩散
LayerDiffuse是一个开源图像处理项目,专注于利用潜在透明度实现透明图层扩散。目前支持Stable Diffusion WebUI和Diffusers CLI平台,未来将扩展到Gradio、Colab和Huggingface Space。项目计划发布数据集和训练代码,为图像处理领域提供新的技术方案。通过创新的图层处理工具,LayerDiffuse开启了图像创作的无限可能。
DesignEdit - 基于多层潜在表示的统一精准图像编辑框架
DesignEditGithubStable Diffusion人工智能图像编辑多层潜在分解开源项目
DesignEdit是一个创新图像编辑项目,采用多层潜在表示技术实现统一精准的编辑功能。支持对象移除、缩放、平移、移动、调整大小和翻转等操作,还可进行跨图像合成和排版重设。基于Stable Diffusion XL 1.0实现,无需额外训练即可使用。项目提供Gradio交互界面,简化了复杂的图像编辑过程。这个开源项目展示了AI在图像编辑领域的应用前景。
instruction-tuned-sd - 基于指令微调的Stable Diffusion图像编辑模型
GithubStable Diffusion低级图像处理卡通化图像处理开源项目指令微调
该项目探索了一种指令微调Stable Diffusion模型的方法,使其能够根据输入图像和特定指令进行图像编辑。结合FLAN和InstructPix2Pix的思想,项目通过构建指令数据集和训练,提升了模型执行图像转换任务的能力。研究涵盖卡通化和低级图像处理,并开源了相关代码、模型和数据集。
flash-diffusion - 用于加速条件扩散模型的高效蒸馏技术
Flash DiffusionGithubLoRA加速技术图像生成开源项目扩散模型
Flash Diffusion是一种用于加速预训练扩散模型图像生成的蒸馏方法。该技术高效、快速、通用且兼容LoRA,在COCO数据集上实现了少步骤图像生成的先进性能。Flash Diffusion只需几小时GPU训练时间和较少可训练参数,适用于文本生成图像、图像修复、换脸和超分辨率等多种任务。它支持UNet和DiT等不同骨干网络,能够显著减少采样步骤,同时保持高质量的图像生成效果。
MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架
GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习
MS-Diffusion是一个多主体零样本图像个性化框架,利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度,并引入多主体交叉注意力机制协调主体组合。实验显示,MS-Diffusion在图像和文本保真度方面表现优异,有助于推进个性化文本到图像生成技术的发展。
photo-background-generation - 基于文本引导的扩散模型实现对象背景一致性
GithubHuggingfaceSalient Object-Aware Background Generation开源项目文本指导扩散模型模型物体膨胀电子商务广告背景生成
该开源项目通过文本引导的扩散模型,解决显著对象背景生成中的'对象扩展'问题,保持对象身份和背景的一致性。适合商业广告等需要清晰度的场景。项目已被CVPR 2024采用,提供创新的背景生成方法。
Collaborative-Diffusion - 多模态控制的面部生成与编辑,协作扩散模型
CVPR 2023Collaborative DiffusionGithubMMLab@NTU多模态脸部生成开源项目脸部编辑
Collaborative Diffusion项目展示了如何通过多模态控制生成和编辑面部图像,保证生成结果与输入条件一致。该项目使用动态扩散器在每一步选择性处理不同模态,确保身份信息的准确性。最新更新包括对FreeU的支持、单模态面部生成推理脚本,以及适用于不同分辨率的模型训练和推理代码,满足多样化应用需求。
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

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。

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