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。

stable-diffusion-2-base - 先进的AI文本到图像生成模型

GithubHuggingfaceStable Diffusion人工智能绘图图像生成开源项目机器学习模型深度学习

Stable Diffusion v2-base是一种基于潜在扩散技术的AI图像生成模型。它可根据文本提示生成高质量图像，适用于多种创意场景。该模型在经过筛选的LAION-5B数据集上训练，具备出色的图像生成能力。然而，它也存在一些局限性，如无法生成可读文本。此模型仅供研究使用，不应用于生成有害内容。Stable Diffusion v2-base代表了AI图像生成领域的重要进展。

FasterViT - 高效分层注意力的视觉transformer新突破

FasterViTGithub图像分类层级注意力机制开源项目目标检测视觉Transformer

FasterViT是一种创新的视觉transformer模型,采用分层注意力机制高效捕获短程和长程信息。在ImageNet分类任务中,FasterViT实现了精度和吞吐量的新平衡,无需额外训练数据即达到最先进水平。该项目提供多种预训练模型,适应不同计算资源和精度需求,支持任意分辨率输入,为目标检测、分割等下游任务提供灵活选择。

2dimageto3dmodel - 创新损失函数实现单图2D到3D模型生成

3D模型生成GANGithub单图重建开源项目损失函数点云

该项目开发了一种新型损失函数，能够直接从单张2D图像生成3D模型，无需复杂的渲染过程。项目采用条件GAN架构实现纹理映射，并优化了点云到3D网格的转换技术。在CUB鸟类和Pascal 3D+数据集上的测试显示了显著效果。此外，项目还提供预训练模型、伪真值生成和网格生成器训练等功能，为3D重建研究领域贡献了实用工具和参考方法。

perfectlevel10 - 通过稳定扩散技术革新图像生成

AI绘图GithubHuggingfacediffusersstable-diffusion图像生成开源项目文本转图像模型

PerfectLevel10结合稳定扩散和文本转图像技术，旨在提升图像生成的质量和效率。使用长尾关键词如稳定扩散和diffusers，该项目适用于多种应用场景，并提供详细的项目信息、更新和使用案例，方便用户获取所需的信息。

LITv2 - 基于HiLo注意力的快速视觉Transformer

GithubHiLo注意力LITv2图像分类开源项目目标检测视觉Transformer

LITv2是一种基于HiLo注意力机制的高效视觉Transformer模型。它将注意力头分为两组,分别处理高频局部细节和低频全局结构,从而在多种模型规模下实现了优于现有方法的性能和更快的速度。该项目开源了图像分类、目标检测和语义分割任务的预训练模型和代码实现。

Awesome-MIM - 掩码图像建模在自监督表示学习中的应用与发展

GithubMasked Image ModelingTransformer开源项目深度学习自监督学习计算机视觉

VisionLLaMA - 基于LLaMA的统一视觉模型，为图像生成和理解设立新基准

GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型

VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型，专为处理2D图像而设计。该模型提供平面和金字塔两种形式，适用于广泛的视觉任务，包括图像感知和生成。通过各种预训练范式的广泛评估，VisionLLaMA在多项图像生成和理解任务中展现出卓越性能，超越了现有最先进的视觉Transformer模型，为计算机视觉领域提供了新的基准。

StreamDiffusion - 高性能实时AI图像生成框架

AI绘图GithubStreamDiffusion图像处理实时生成开源项目深度学习

StreamDiffusion是一个开源的高性能AI图像生成框架,专为实时交互应用设计。它采用流批处理、残差无分类引导等创新技术,大幅提升了扩散模型的生成速度。在RTX 4090显卡上,使用SD-turbo模型可实现每秒106帧的文生图速度,LCM-LoRA与KohakuV2模型组合也能达到每秒38帧。该项目为开发实时AI图像生成应用提供了有力支持。

blended-latent-diffusion - 快速高精度的局部文本引导图像编辑技术

Blended Latent DiffusionGithubSIGGRAPH 2023图像生成开源项目扩散模型文本驱动编辑

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。

MT-UNet - 融合Transformer和UNet的医学图像分割新模型

GithubMT-UNet医学图像分割开源项目数据集准备权重文件模型训练

MT-UNet是一种结合Transformer和UNet优势的医学图像分割模型。该模型在Synapse和ACDC数据集上分别达到79.20%和91.61%的DSC评分。MT-UNet通过混合transformer结构实现多尺度特征融合，为医学图像分析提供新思路。项目开源代码和预训练权重，便于研究者复现结果和深入研究。

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