Project Icon

marigold-depth-lcm-v1-0

基于扩散技术的单目深度估计模型实现零样本迁移

Marigold-depth-lcm-v1-0是一个创新的单目深度估计模型,基于扩散技术开发。该模型利用Stable Diffusion的视觉知识,通过合成数据微调,实现了对未见数据的零样本迁移能力。在单目深度估计任务中,Marigold展现出优异性能,为计算机视觉领域提供了新的深度估计解决方案。这一成果不仅推动了单目深度估计技术的发展,还展示了扩散模型在此领域的巨大潜力。

dpt-beit-base-384 - 基于BEiT主干的DPT模型实现单目深度估计
DPTGithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉
DPT (Dense Prediction Transformer) 是一个基于BEiT主干的模型,专门用于单目深度估计。该模型在140万张图像上训练,可进行零样本深度估计。采用Transformer架构,具备强大的密集预测能力,能生成高质量深度图。模型可通过Python代码或pipeline API轻松使用,为计算机视觉任务提供了有力工具。
openvision - 通过开源项目OpenVision体验无缝结合Midjourney美学的图像风格
AI生成BittensorGithubHuggingfaceMidjourney风格OpenVision图像增强开源项目模型
OpenVision项目融合了Midjourney的独特美学,生成的图像无需后期调整仍具风格和细节表现,尤其在人像图像的处理上更加出色。该项目通过Bittensor网络生成,支持构建去中心化的开源AI模型,可使用diffusers和StableDiffusionXLPipeline轻松实现图像创建。
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。
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。
ldm-super-resolution-4x-openimages - 基于潜在扩散模型的图像超分辨率开源工具
GithubHuggingfaceLDM图像处理图像超分辨率开源项目模型深度学习神经网络
ldm-super-resolution-4x-openimages项目利用潜在扩散模型技术实现图像超分辨率处理。该项目在预训练自编码器的潜在空间中应用扩散模型,平衡了计算资源消耗与图像细节保留。项目支持图像4倍放大,并提供了完整的推理pipeline,适用于图像修复、无条件生成和语义场景合成等任务。
stable-diffusion-3.5-medium - MMDiT-X高效能文本到图像生成技术
GithubHuggingfaceQK正则化Stable Diffusion图像质量提升多模态扩散变压器开源项目文本生成图像模型
Stable Diffusion 3.5 Medium是一款MMDiT-X模型,提升文本到图像生成的图像质量和资源效率。通过多模态扩散变压器结合QK标准化技术,该模型在多分辨率生成和文本理解方面表现出色,适合设计、创作与研究领域,年收入低于100万美元的用户可免费使用。
imagedream-ipmv-diffusers - 多视角扩散模型用于3D图像生成
3D生成GithubHuggingfaceMVDream-diffusers使用限制图像扩散开源项目模型
该项目是ImageDream模型在diffusers中的移植版本,展示了基于图像提示的多视角扩散技术在3D生成中的能力。用户可前往GitHub获得使用指南。由Wang及其团队发布于2023年的arXiv。请注意,模型禁止用于生成或传播可能引发敌对环境的图像,或传播可能会打扰、困扰或冒犯公众,以及涉及历史或当代偏见的内容。
Mixture-of-depths - Transformer语言模型的动态计算资源分配方法
GithubMixture-of-Depths开源项目模型实现深度学习语言模型
Mixture-of-depths是一种Transformer语言模型优化方法,通过动态分配计算资源提高性能。该项目提供Mistral、Mixtral、LLama等多个主流模型的非官方实现。项目支持高级API接口,兼容transformers库,便于研究应用。这种方法旨在提升模型推理效率和灵活性,同时保持输出质量。
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。
stable-diffusion-3.5-large - 多模态扩散变换器模型实现高质量图像生成
GithubHuggingfaceStable Diffusion 3.5人工智能模型多模态扩散变换器开源项目文本生成图像模型深度学习
Stable Diffusion 3.5 Large是Stability AI开发的新型文本到图像生成模型。采用多模态扩散变换器架构,改进了图像质量、排版和复杂提示理解能力。模型支持研究及部分商业用途,可通过ComfyUI、Hugging Face等多种方式使用。结合多个预训练文本编码器和QK归一化技术,在提示遵循度和图像美学质量方面表现优异。
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

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。

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