Project Icon

cond-image-leakage

改进图像到视频扩散模型中的条件图像依赖问题

该研究揭示并解决了图像到视频扩散模型中的条件图像依赖问题。研究团队提出了适用于DynamiCrafter、SVD和VideoCrafter1等多种模型的即插即用推理和训练策略。这些策略减轻了模型对条件图像的过度依赖,增强了生成视频的动态效果。项目开源的代码、模型和演示为图像到视频生成研究提供了重要参考。

flash-diffusion - 用于加速条件扩散模型的高效蒸馏技术
Flash DiffusionGithubLoRA加速技术图像生成开源项目扩散模型
Flash Diffusion是一种用于加速预训练扩散模型图像生成的蒸馏方法。该技术高效、快速、通用且兼容LoRA,在COCO数据集上实现了少步骤图像生成的先进性能。Flash Diffusion只需几小时GPU训练时间和较少可训练参数,适用于文本生成图像、图像修复、换脸和超分辨率等多种任务。它支持UNet和DiT等不同骨干网络,能够显著减少采样步骤,同时保持高质量的图像生成效果。
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。
Smooth-Diffusion - 提升扩散模型潜在空间平滑性的新方法
CVPR 2024GithubSmooth Diffusion图像生成开源项目扩散模型潜在空间
Smooth Diffusion是一种创新的扩散模型技术,通过优化潜在空间的平滑性来提升模型性能。这种方法在图像插值、反演和编辑任务中展现出显著优势,实现了更连续的过渡效果、更低的反演误差,以及更好的未修改内容保留。通过在训练过程中引入变化约束,Smooth Diffusion为扩散模型研究开辟了新方向。
VideoBooth - 基于图像提示的AI视频生成新突破
GithubVideoBooth人工智能图像提示开源项目扩散模型视频生成
VideoBooth是一个AI视频生成项目,利用扩散模型技术基于图像提示创建视频。该项目将静态图像主体转化为动态视频,实现图像到视频的转换。VideoBooth采用两阶段训练方法,提供安装、推理和训练指南。项目还公开了专门数据集,为研究提供资源。
MultiDiffusion - 基于预训练模型的多功能可控的图像生成框架
GithubMultiDiffusion可控生成图像生成开源项目扩散模型文本到图像
MultiDiffusion 是一个统一框架,通过预训练的文字转图像扩散模型,实现多功能且可控的图像生成,无需进一步训练或微调。该框架支持用户使用各种控制信号,如纵横比和空间引导信号,生成高质量、多样化的图像。MultiDiffusion 优化了多重扩散生成过程,使用一组共享参数或约束,支持局部和全局编辑,适用于如烟雾、火焰和雪等半透明效果。
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。
scoresdeve-ema-celeba-64 - 无条件图像生成的高效DiffusionPipeline
AI绘图DiffusersGithubHuggingfaceunconditional-image-generation图像生成开源项目模型模型推理
该项目通过diffusers库的DiffusionPipeline实现无条件图像生成,使用eurecom-ds/celeba数据集,并兼容CUDA设备,提供了加载预训练模型和生成图像的高效方案。模型通过固定种子实现一致的推理输出,适用于AI研究和开发。用户可以自定义推理步骤,满足不同场景下的图像生成需求,拓展计算机视觉应用。
LooseControl - 通用深度条件生成控制技术
AI绘图ControlNetGithubLooseControl图像生成开源项目深度条件控制
LooseControl是一种提升ControlNet能力的深度条件生成控制技术,实现了更通用的深度条件控制。该开源项目提供UI界面和Python API,支持基于粗略深度图的图像生成和风格保持编辑。LooseControl适用于多种场景,为计算机视觉和图像生成领域提供了新的研究方向。
consistencydecoder - 稳定扩散VAE的高性能一致性解码器
Consistency DecoderGithubStableDiffusionPipeline人工智能图像生成开源项目深度学习
ConsistencyDecoder是一个开源项目,旨在优化稳定扩散变分自编码器(VAE)的解码过程。该解码器生成的图像质量优于传统GAN解码器,在细节保留和整体画质上表现突出。项目具有简便的安装和使用流程,支持CUDA加速,并可与StableDiffusionPipeline无缝集成。项目提供的对比示例直观展示了ConsistencyDecoder的性能优势。
IP-Adapter-Instruct - 多任务图像生成的突破性技术
GithubIP Adapter Instruct图像生成多任务学习开源项目扩散模型条件控制
IP-Adapter-Instruct是一种先进的图像生成技术,融合了自然图像条件和指令提示。这个模型能够高效处理多种任务,包括风格迁移和对象提取,同时保持高质量输出。它克服了传统文本提示在描述图像风格和细节方面的局限性,提供了更精确的图像生成控制。IP-Adapter-Instruct在实际应用中表现出色,为扩散模型的发展提供了新的可能性。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号