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

UniRepLKNet - 统一架构的大核卷积网络，提升多模态识别与时间序列预测精度

GithubUniRepLKNet图像识别多模态识别大核卷积开源项目时间序列

UniRepLKNet项目提出了一个适用于图像、音频、视频、点云和时间序列的大核卷积网络统一架构。通过提供四个设计大核卷积网络的架构指南，显著提升了多模态数据的识别性能。特别是在全球温度和风速预测等挑战性的时间序列预测任务中，UniRepLKNet表现优异，超过了现有系统。这一项目不仅重振了卷积神经网络在传统领域的表现，还展示了其在新兴领域的广泛应用潜力。

flux-controlnet-canny-v3 - Canny ControlNet的Flux图像生成

AI绘图ControlNetFluxGithubHuggingfaceStable Diffusion图像生成开源项目模型

此项目提供了Canny ControlNet检查点，支持FLUX.1-dev模型，并可在ComfyUI中使用。ControlNet在1024x1024分辨率下训练，旨在提升图像的真实性和细节表现。可以通过GitHub仓库中的main.py或ComfyUI自定义节点来体验模型。示例结果和输入图像位于“Files and versions”部分，提供直观的模型表现展示。

contrastive-unpaired-translation - 基于对比学习的无监督图像转换

Contrastive Unpaired TranslationCycleGANGithubPyTorch图像到图像转换对比学习开源项目

CUT项目提供了一种基于PyTorch的无监督图像间转换方法，采用局部对比学习和对抗学习技术。该方法较CycleGAN具备更快的训练速度和更低的内存占用，并且无需手工设计损失函数和反向网络，适合单图像训练。支持Linux或macOS系统及Python 3环境，适合在NVIDIA GPU上运行，整个训练和测试流程简单易操作。该项目由UC Berkeley和Adobe Research团队开发，并在ECCV 2020会议中展示。

UDiffText - 基于字符级扩散模型的高质量图像文本合成框架

GithubUDiffText图像生成字符级编码开源项目扩散模型文本合成

UDiffText是一个基于字符级扩散模型的文本合成框架，能在任意图像中生成高质量文本。该框架适用于合成和真实图像，可进行场景文本编辑、任意文本生成和精确的文本到图像生成。项目包含完整的训练和评估流程，支持LAION-OCR、ICDAR13等多个数据集。UDiffText为文本合成和图像处理领域提供了新的解决方案。

rich-text-to-image - 富文本格式提升文本到图像生成的精确控制

AI绘图GithubICCV 2023Rich-Text-to-ImageStable Diffusion开源项目文本生成图像

Rich-Text-to-Image项目利用富文本格式信息增强文本到图像生成的控制能力。该项目通过字体大小、颜色、样式和脚注等格式实现精确的颜色渲染、局部风格控制和详细区域合成。这种方法支持token显式重新加权，可与Stable Diffusion等主流模型集成，提供更精细的图像生成控制。项目开源了代码实现，并提供在线演示和相关论文，为文本到图像生成领域开辟了新的研究方向。

axodox-machinelearning - 基于C++的Stable Diffusion图像生成库，支持ControlNet

C++ControlNetGithubONNXStable Diffusion图像合成开源项目

该库是一款基于Stable Diffusion的图像生成工具，支持txt2img、img2img和图像修复功能，完全采用C++实现，无需依赖Python。其高性能和简化的部署过程非常适用于实时图形应用和游戏开发。库还支持ControlNet，通过输入图像来引导生成过程，并提供GPU加速的特征提取功能，如姿势估计、深度估计和边缘检测。此外，库包含多个代码示例和预编译模型，便于开发者快速集成和测试。

distrifuser - 高效分布式并行推理助力高分辨率图像生成

DistriFusionGPU加速Githubdiffusion模型并行推理开源项目高分辨率

DistriFusion是一种用于高分辨率扩散模型的分布式并行推理算法。该方法无需额外训练，通过多GPU协同工作加速推理过程，同时保持图像质量。其创新的补丁交互技术解决了传统方法的碎片化问题，在高分辨率图像生成任务中显著提升了性能。该项目已在CVPR 2024被评为亮点工作，并开源了相关代码。

unified-io-2 - 跨模态人工智能的开源新标杆

GithubUnified-IO 2人工智能多模态模型开源项目机器学习深度学习

Unified-IO 2是一个开源的多模态AI框架，集成视觉、语言、音频和动作处理能力。项目提供完整代码支持演示、训练和推理，适用于TPU和GPU环境。基于T5X优化，内含多规格预训练模型和丰富数据集。其跨模态学习和生成能力为AI研究与应用提供了新的可能性。项目采用模块化设计，便于研究人员和开发者进行二次开发和定制。Unified-IO 2支持多种数据格式和预处理流程，为不同任务场景提供灵活解决方案。其开源性质促进了AI社区的协作与创新，为多模态AI技术的进步做出贡献。

Visual-Style-Prompting - 创新的视觉风格提示方法实现文本到风格化图像生成

GithubVisual Style Prompting开源项目扩散模型文本到图像生成自注意力机制风格控制

Visual-Style-Prompting项目提出创新的视觉风格提示方法，通过交换自注意力层键值实现多样化图像生成并保持特定风格。无需微调即可使用，生成图像忠实反映参考风格。经广泛评估，该方法在多种风格和文本提示下表现优异，准确匹配文本描述并最佳呈现参考风格。

InstructCV - 自然语言指令引导的多任务计算机视觉模型

GithubInstructCV开源项目文本到图像生成深度学习生成扩散模型计算机视觉

InstructCV 项目通过指令调优的文本到图像扩散模型，简化了计算机视觉任务的执行方式。该项目将多个计算机视觉任务转化为文本描述的图像生成问题，并使用涵盖分割、物体检测、深度估计和分类等任务的数据集进行训练。利用大型语言模型生成任务提示，该模型从生成模型转变为指令引导的多任务视觉学习者。项目实现了多种环境配置，包括在Huggingface Spaces的Gradio演示和Google Colab的运行示例，并支持PyTorch 1.5+。

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