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

Phased-Consistency-Model - 高效文本条件图像生成的新方法

GithubPCM一致性模型图像生成开源项目文本条件深度学习

Phased Consistency Model (PCM)是一种新型图像生成技术,可在少量步骤内生成高质量的文本条件图像。该模型解决了先前一致性模型在文本条件生成中的局限,如灵活性不足、结果不一致以及低步骤效果差等。PCM采用分阶段处理ODE轨迹的方法,提高了训练效率并改善了生成效果。在不同步骤数设置下,PCM均展现出优异性能,为快速图像生成领域提供了新的解决方案。

Uni3D - 突破性统一3D表示学习框架

3D表示GithubUni3D开源项目点云零样本分类预训练

Uni3D是一个创新的3D预训练框架,致力于大规模3D表示学习。该框架采用2D预训练模型初始化,通过端到端训练实现3D点云与图像-文本特征对齐。Uni3D凭借简洁架构和高效预训练,成功将模型规模扩展至10亿参数,在多项3D任务中取得突破性进展,展现了将2D深度学习优势迁移至3D领域的巨大潜力。

CameraCtrl - AI视频生成模型实现精准相机轨迹控制

CameraCtrlGithub动画扩散开源项目相机控制视频生成轨迹生成

CameraCtrl是一款基于AnimateDiffV3和SVD技术的视频生成模型，通过精确控制相机轨迹来创造连贯的多视角视频。该模型支持自定义相机移动路径，不仅适用于文本到视频生成，还能与RealEstate10K LoRA等模型结合，扩展应用场景。CameraCtrl为AI视频创作提供了更多可能性，使生成的视频内容更加丰富多样。

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。

MotionCtrl - 视频生成中的动作控制统一解决方案

AIGithubMotionCtrl动作控制开源项目腾讯视频生成

MotionCtrl是一个统一的视频生成动作控制系统，可独立调节生成视频中的相机和物体运动。该项目兼容SVD、VideoCrafter和AnimateDiff等多个视频生成模型，并提供训练代码、推理脚本和在线演示。通过MotionCtrl，研究人员和内容创作者能够更精确地控制生成视频的动作效果，从而提高视频生成的质量和灵活性。

MultiBooth - 基于文本的多概念图像生成技术

GithubMultiBooth图像生成多概念定制开源项目扩散模型文本到图像

MultiBooth是一种新型多概念图像生成技术，通过单概念学习和多概念集成两个阶段提高了生成效果。该方法使用多模态图像编码器和概念编码技术，学习每个概念的表示，并利用边界框定义生成区域，实现高质量的多概念图像生成。MultiBooth在生成质量和计算效率方面均优于现有方法，为文本到图像生成领域提供了新的解决方案。

rcg - RCG框架实现突破性无条件图像生成性能

GithubPyTorchRCG图像生成开源项目神经网络自监督学习

RCG是一种创新的自监督图像生成框架，在ImageNet 256x256数据集上达到了无条件图像生成的最佳性能。该框架缩小了无条件和有条件图像生成之间的性能差距。项目提供基于PyTorch的GPU实现，包含表示扩散模型(RDM)以及MAGE、DiT、ADM和LDM等多种像素生成器的训练和评估代码。同时提供预训练模型和可视化工具，便于研究人员复现和拓展相关工作。

UniRef - 跨空间时间的统一视觉对象分割模型

GithubUniRef++参考对象分割开源项目深度学习目标分割视频对象分割

UniRef++是一个统一的视觉模型，可同时处理指代图像分割、少样本分割、指代视频对象分割和视频对象分割四种任务。其核心UniFusion模块能高效注入多种参考信息，不仅性能优异，还可作为SAM等基础模型的插件组件使用。该模型在多个benchmark上展现出色表现，体现了其在对象分割领域的通用性和扩展性。

control_v1p_sd15_brightness - 提供灰度图像上色及色调重调功能

AI许可证GithubHuggingfaceStable Diffusion亮度控制图像上色开源项目模型灰度图像

该模型为Stable Diffusion提供亮度控制能力，采用ControlNet技术，能够实现灰度图像的上色及已生成图像的色调重调。

T-GATE - 研究了在文本到图像扩散模型中的时序注意机制

GithubTGATE图像生成开源项目扩散模型自注意力跨注意力

TGATE项目研究了在文本到图像扩散模型中的时序注意机制。研究发现，交叉注意输出在几步推理后可以收敛到固定点，通过采用缓存和重用这些输出的方式，无需额外训练，即可提升现有模型的运行速度10%–50%。TGATE易于集成，提供快速图像生成，适用于CNN U-Net、Transformer和Consistency Model。

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