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-v1-5 - 先进的AI文本到图像生成模型

GithubHuggingfacediffusers人工智能开源项目机器学习模型模型卡环境影响

Stable Diffusion v1.5是一款基于扩散技术的文本到图像生成模型。该模型能够根据文本描述生成高质量、多样化的图像，适用于艺术创作、设计辅助等多个领域。通过简单的文本提示词，用户可以控制图像生成过程。Stable Diffusion v1.5在图像质量和多样性方面较前代有显著提升，为AI图像生成领域提供了有力支持。

stable-video-diffusion-img2vid-xt-1-1 - 高性能图片转视频生成模型，支持1024x576像素视频制作

GithubHuggingfaceStable Video Diffusion人工智能模型商业授权图像转视频开源项目模型生成式AI

Stable Video Diffusion 1.1是Stability AI开发的图像生成视频AI模型，基于SVD Image-to-Video [25 frames]优化而来。它可将单张图片转换为25帧、1024x576分辨率的短视频，采用6FPS帧率和Motion Bucket Id 127参数，输出效果比1.0版本更稳定。该模型适用于艺术创作、教育等领域，支持非商业和商业用途。用户可通过Stability AI的generative-models仓库获取和使用该模型。

photoMovieX - 基于Stable Diffusion的电影级AI图像生成模型

AI绘图GithubHuggingfaceMagicArt35Stable Diffusion图像生成开源项目模型科幻风格

photoMovieX是一个基于Stable Diffusion的AI图像生成模型，专注于创造电影级画面。该模型能够融合科幻、复古和超现实主义元素，通过文本提示词生成未来感建筑、复古人物肖像和奇幻场景等独特视觉作品。photoMovieX在创造具有电影感和艺术性的图像方面表现出色，为创意工作者提供了丰富的创作素材。

MasaCtrl - 实现一致性图像合成与编辑

GithubMasaCtrl一致性图像合成图像编辑开源项目扩散模型无需微调

MasaCtrl是一种基于互自注意力控制的图像处理技术，实现了一致性图像合成和编辑。该方法结合源图像内容和文本提示生成的布局，无需额外微调即可进行非刚性图像修改。MasaCtrl支持多种应用场景，包括基于提示的合成、真实图像编辑、与可控扩散模型集成等，并可扩展到视频合成。这一技术兼容Stable Diffusion等多种模型，为图像创作提供了新的可能性。

HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解

GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像

HunyuanDiT是一个多分辨率扩散变换器模型，具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码，通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话，可根据上下文生成和优化图像。经专业评估，该模型在中文到图像生成方面达到开源模型的先进水平。

normal-depth-diffusion - 通用法线深度扩散模型实现高细节3D生成

3D模型AI生成GithubNormal-Depth Diffusion Model图像生成开源项目深度学习

Normal-Depth Diffusion Model是一个创新的文本到3D生成模型，采用法线深度扩散技术生成细节丰富的3D模型。该项目支持单视图和多视图生成，提供预训练权重、推理和训练代码，以及Objaverse数据集的多视图渲染图像。这一模型为3D内容创作开辟新途径，可应用于艺术设计等多个领域。

DIVA - 扩散模型辅助CLIP增强视觉理解能力

AI视觉CLIPDIVAGithub开源项目扩散模型迁移学习

DIVA是一种创新方法,利用扩散模型作为视觉助手优化CLIP表示。通过文本到图像扩散模型的生成反馈,DIVA无需配对文本数据即可提升CLIP视觉能力。在MMVP-VLM细粒度视觉评估基准上,DIVA显著提升了CLIP性能,同时保持了其在29个图像分类和检索基准上的强大零样本能力。这为增强视觉语言模型的视觉理解开辟了新途径。

OpenDalleV1.1 - 超越SDXL性能的开源AI文生图模型

GithubHuggingfaceOpenDalleV1.1Stable Diffusion人工智能绘画图像生成开源项目模型深度学习

OpenDalleV1.1是一个开源AI图像生成模型，比SDXL具有更强的性能表现。模型在图像真实感和艺术风格方面表现突出，能够准确解析提示词并生成对应图像。基于独特的模型合并方法开发，仅限个人非商业使用，支持diffusers框架部署，通过推荐参数配置可生成细节丰富的图像。

HunyuanDiT-v1.2-Diffusers - 基于多分辨率扩散技术的中文图像生成模型

GithubHuggingfaceHunyuanDiT中文理解人工智能图像生成多分辨率开源项目模型

HunyuanDiT-v1.2-Diffusers是一个开源的文本到图像生成模型，基于多分辨率Diffusion Transformer架构实现中英文文本理解。模型在文本-图像一致性、AI伪影控制、主体清晰度和美学评分等维度进行了测试评估，支持长文本输入和中国文化元素理解，可用于多样化的图像生成场景。

stable-diffusion-v1-5 - 先进的文本到图像生成模型，实现高质量图像创作

GithubHuggingfaceStable Diffusion人工智能图像生成开源项目文本到图像模型深度学习

Stable Diffusion v1-5是一款基于文本生成图像的扩散模型，通过595k步fine-tuning优化，能生成高质量、多样化的图像。适用于艺术创作、教育和研究等领域，但存在生成可读文本困难等局限。该模型仅供研究用途，不得用于生成有害或非法内容。使用时需注意其局限性并遵守相关规范。

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