UniControl

优化多任务条件生成的统一扩散模型

UniControl项目展示了一种新的多任务条件生成模型，支持多种语言提示，通过增强的预训练文本到图像扩散模型和任务感知的HyperNet，实现高精度图像生成和多任务适应。实验结果表明，UniControl在多个单任务控制方法上表现更佳，是可控视觉生成领域的重要进展。

访问官网

U-KAN - 提升医学图像分割和生成效能的创新框架

GithubU-KAN医学图像分割医学图像生成开源项目深度学习计算机视觉

U-KAN是一个将Kolmogorov-Arnold网络(KAN)层整合到U-Net结构中的医学图像处理框架。这种创新设计在提高图像分割和生成任务准确性的同时，降低了计算成本。U-KAN在多个医学图像数据集的分割任务中表现出色，并在图像生成领域展现潜力。这项研究为医学图像处理技术的进步提供了新思路，有望推动更精准、高效的诊断和分析工具的发展。

DCLGAN - 无监督图像转换的双重对比学习方法实现更真实几何变换

DCLGANGithub图像转换对比学习开源项目无监督学习生成对抗网络

DCLGAN是一种新型无监督图像到图像转换模型，采用双重对比学习方法。相比CycleGAN，它能实现更真实的几何变换；相比CUT，具有更高的稳定性和性能。DCLGAN适用于多种图像转换任务，如猫狗互换和马斑马互换。项目提供了预训练模型和使用指南，便于研究者进行实验和评估。

MagicClothing - 基于服装的可控图像生成技术

AI绘图GithubMagic Clothing图像合成开源项目深度学习虚拟试衣

Magic Clothing 是一个开源项目，作为OOTDiffusion的分支版本，专注于基于服装的可控图像合成。该项目支持调节服装和文本提示的强度，并集成了IP-Adapter-FaceID和ControlNet-Openpose技术，实现人像和姿势的条件控制。项目提供512和768分辨率的模型权重，以及Python和Gradio接口用于推理和演示。这些特性为服装相关的图像生成领域开辟了新的可能性。

MDT - MDTv2图像合成模型：更快收敛和卓越性能

GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉

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。

ELLA - 大语言模型辅助扩散模型实现增强语义对齐

ELLAEMMAGithub多模态技术开源项目文本生成图像语义对齐

ELLA项目将大语言模型与扩散模型结合，提高了图像生成的语义对齐能力。通过LLM注释的合成标题训练，ELLA实现了更准确的文本到图像转换。项目提供DPG-Bench评估基准和ComfyUI插件，并开发了支持多模态输入的EMMA模型。这些创新为图像生成领域开辟了新途径，展现了语言模型与扩散模型融合的应用前景。

UCTransNet - 融合U-Net与Transformer的医学图像分割网络

GithubTransformerU-NetUCTransNet医学图像分割开源项目深度学习

UCTransNet是一种结合U-Net和Transformer优势的医学图像分割网络。它通过Channel Transformer模块替代U-Net的跳跃连接，从通道维度优化特征融合。该模型在GlaS和MoNuSeg等数据集上表现优异，为医学影像分析提供新思路。项目开源代码实现和预训练模型，并提供详细使用说明，方便研究者探索和应用。

MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架

GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习

MS-Diffusion是一个多主体零样本图像个性化框架，利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度，并引入多主体交叉注意力机制协调主体组合。实验显示，MS-Diffusion在图像和文本保真度方面表现优异，有助于推进个性化文本到图像生成技术的发展。

ml-mdm - 开源框架实现高分辨率文本到图像生成模型

GithubMatryoshka Diffusion Models开源项目文本到图像生成深度学习神经网络模型高分辨率图像合成

ml_mdm是一个Python开源项目,实现了Matryoshka扩散模型技术用于文本到图像生成。该框架支持训练单个像素空间模型生成高达1024x1024分辨率的图像,开源了U-Net和嵌套U-Net的实现。项目提供预训练模型、Web演示和CC12M数据集上的训练教程,为高分辨率图像和视频合成提供完整解决方案。

comfyui-colab - 集成多种AI模型的图像生成工作流平台

AI绘图ColabComfyUIGithubStable Diffusion开源项目模型

ComfyUI-Colab是一个在Google Colab上运行的AI图像生成工作流平台。它集成了Stable Diffusion、Waifu Diffusion等多种预训练模型,支持ControlNet等扩展插件,能生成各种风格的图像。该项目提供稳定版和每日更新的Nightly版本,为AI图像创作提供了灵活高效的环境。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com