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。

PIDM - 人像图像生成技术，支持姿态和外观定制

本项目采用去噪扩散模型实现高质量人像图像生成，并支持姿态和外观控制。经过在DeepFashion数据集的训练，该方法可在5天内利用多GPU实现高精度样本生成。提供预训练模型下载和详细的训练与推理指南，支持自定义数据集。实验比较显示，该模型在多种先进方法中表现优异。相关代码和生成结果可在GitHub及Google Colab中体验。

Guided-pix2pix - 引导式图像转换，双向特征变换的创新应用

Github双向特征转换图像翻译开源项目深度学习神经网络计算机视觉

Guided-pix2pix项目推出创新的图像转换方法，运用双向特征变换技术提高引导式图像生成的精确度。该方法在姿势迁移、纹理迁移和深度上采样领域展现出优异性能，生成的图像质量更高、更贴合引导信息。项目开放完整代码和预训练模型，为研究人员提供便利的实验和开发环境。

sd-image-variations-diffusers - 基于Stable Diffusion的开源图像变体生成模型

CLIPGithubHuggingfaceStable Diffusion人工智能图像变体图像生成开源项目模型

sd-image-variations-diffusers是一个经过微调的Stable Diffusion模型，通过CLIP图像嵌入技术实现图像变体生成。该模型集成Diffusers库，可生成高质量的图像变体，主要应用于艺术创作、教育工具和AI研究等领域。模型目前已发布V2版本，相比V1版本具有更好的图像质量和相似度表现，但在生成人脸和文字方面仍存在局限性。

DemoFusion - 民主化高分辨率图像生成

DemoFusionGithub图像生成开源开源项目生成式人工智能高分辨率

DemoFusion项目致力于通过优化现有开源生成式人工智能（GenAI）模型，普及高分辨率图像生成技术，减少高额资本投资需求。该框架利用渐进式放大、跳过残差和膨胀采样机制，实现高质量图像生成。DemoFusion的渐进生成过程提供中间预览结果，便于用户快速调整和迭代。此项目旨在对抗大公司垄断，让公众无需支付高昂费用即可使用尖端的高分辨率图像生成技术。

generative-models - SV4D与SV3D一类的创新模型

GithubSDXL-TurboSV3DSV4D开源项目热门稳定AI视频合成

Generative Models项目展示了多个创新模型如SV4D与SV3D，专注于视频到4D扩散建模和图像到视频的多视角合成，旨在提供高分辨率和时间连贯性的研究工具。最新技术报告和视频概览现已发布，支持通过简单的脚本和快速入门指南直接体验模型效果，适用于研究及教育用途。

stable-diffusion-3-medium-diffusers - 先进的文本生成图像技术

AI绘图GithubHuggingfaceMMDiTStable Diffusion 3开源项目文本生成图像模型非商业用途

Stable Diffusion 3 Medium 是 Stability AI 开发的文本生成图像模型，采用多模态扩散变换器技术。该模型在图像质量、文字渲染和复杂提示理解方面表现出色，同时提高了资源使用效率。它使用三个预训练文本编码器，能够根据文本描述生成高质量图像。该模型开放非商业研究用途，并提供商业授权选项。

M3D - 推动3D医学图像分析的多模态大语言模型

3D医学图像分析AI医疗GithubM3D医学数据集多模态大语言模型开源项目

M3D是首个针对3D医学分析的多模态大语言模型系列。项目包含最大规模开源3D医学数据集M3D-Data、多任务能力模型M3D-LaMed和全面评估基准M3D-Bench。M3D在图像-文本检索、报告生成、视觉问答、定位和分割等任务中表现优异，为3D医学图像分析领域提供了新的研究方向。

Lumina-mGPT - 多模态AI模型实现文本到图像的灵活生成

GithubLumina-mGPT人工智能图像生成多模态开源项目自回归模型

Lumina-mGPT是一个多模态自回归模型系列，适用于多种视觉和语言任务。这个开源项目特别擅长将文本描述转化为逼真图像，提供7B和34B两种参数规模的模型，以及多种图像分辨率选项。除图像生成外，Lumina-mGPT还支持图像理解和全能型任务，为AI研究和应用开发提供了灵活的工具。

Depth-Anything-V2 - 单目深度估计新突破，高精度与快速推理并重

Depth Anything V2Github开源项目深度估计计算机视觉预训练模型

Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本，并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型，适用于相对和度量深度估计，可处理图像和视频。此外，发布的DA-2K基准为深度估计研究设立了新标准。

stable-video-diffusion-img2vid-xt-1-1 - 从图像生成视频的扩散模型的稳定性

GithubHuggingfaceStable Video Diffusion开源项目模型研究用途规定条件视频生成非商业用途

Stable Video Diffusion 1.1 是一款专为研究用途而设计的图像到视频生成模型，通过优化固定条件和运动配置，实现了更一致的视频输出。该模型可以从单张图像生成25帧、分辨率为1024x576的视频片段，但不适用于精确表现真实人物或事件，且不能通过文本进行控制。在探讨生成模型的局限性和偏见时，该模型表现出色。欲了解更多信息，请访问 Stability AI 的 GitHub 仓库。

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