MDT

MDTv2图像合成模型：更快收敛和卓越性能

Masked Diffusion Transformer 图像合成深度学习人工智能计算机视觉 Github 开源项目

MDTv2是一种先进的深度学习图像合成模型，在ImageNet数据集上实现了1.58的FID分数，创造新的业界标准。该模型采用掩码潜在建模技术，提高了图像语义理解能力，学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升，为计算机视觉和人工智能领域带来了新的可能性。

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。

diffae - 基于扩散模型的自编码器框架实现图像生成与编辑

Diffusion AutoencodersGithub图像处理开源项目深度学习生成模型计算机视觉

diffae项目实现了基于扩散模型的自编码器框架，用于高质量图像的生成和编辑。该项目提供多个预训练模型，支持FFHQ、LSUN等数据集，实现了无条件生成、图像操作和插值等功能。项目包含使用说明、模型检查点和针对不同数据集的训练脚本，为图像生成和编辑研究提供了完整的工具链。

AutoStudio - 提升多轮交互图像生成的主体一致性

AutoStudioGithub主体一致性多轮交互式图像生成大语言模型开源项目稳定扩散

AutoStudio是一个创新的多代理框架，专注于解决多轮交互式图像生成中的主体一致性问题。该框架包含主体管理器、布局生成器、监督器和绘图器四个核心组件。通过引入并行U-Net和主体初始化生成方法，AutoStudio实现了连贯多主体图像序列的生成。在CMIGBench基准测试中，该框架在平均Fréchet Inception Distance和平均字符-字符相似度方面分别提升了13.65%和2.83%，展示了其在多轮交互中保持多主体一致性的优异表现。

Thriller - 创新模型融合，提升文本到图像生成表现

GithubHuggingfacestable-diffusion图像生成开源项目模型艺术创作超现实主义超级合并

项目结合PhotoMovieXFinal与AbsoluteRemix模型，利用SuperMerger技术实现高效的文本到图像转换，致力于生成细节丰富、逼真的图像，为电影、插画及风景艺术创作提供有力支持。

distill-sd - 更小更快速的Stable Diffusion模型，依靠知识蒸馏实现高质量图像生成

GithubStable Diffusion开源项目模型压缩神经网络训练细节预训练检查点

基于知识蒸馏技术开发的小型高速Stable Diffusion模型。这些模型保留了完整版本的图像质量，同时大幅减小了体积和提升了速度。文档详细介绍了数据下载脚本、U-net训练方法和模型参数设置，还支持LoRA训练及从检查点恢复。提供清晰的使用指南和预训练模型，适配快速高效图像生成需求。

tame-the-authenticity-machine-v10-sdxl - 稳定扩散XL模型实现逼真图像生成

GithubHuggingfacediffusersstable-diffusiontext-to-image图像生成开源项目模型真实感

该项目利用zyxt99565的模型，通过diffusers库进行文本到图像的转换，支持多标签如stable-diffusion-xl和photorealistic，专注于生成高质量逼真图像。

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。

mask2former-swin-large-ade-panoptic - 通用图像分割模型，提升性能和效率

ADE20kGithubHuggingfaceMask2FormerMaskFormer分割开源项目模型视觉

Mask2Former利用多尺度可变形注意力Transformer，提高图像分割性能与效率。其掩蔽注意力解码器在不增加计算负担的情况下提升表现，适用于实例、语义和全景分割。基于ADE20k全景分割数据集的训练研究，提供优化的分割方案。

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。

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