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。

blur-kernel-space-exploring - 基于编码模糊核空间的图像去模糊新方法
Github图像去模糊开源项目数据增强模糊内核空间深度学习计算机视觉
这个项目开发了一种新颖的图像去模糊技术,通过编码模糊核空间来处理各种模糊类型。该方法采用交替优化算法,可以处理未知的模糊情况,并且易于集成到深度学习模型中。这一技术不仅适用于图像去模糊,还可用于数据增强和模糊生成等相关任务。
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。
sd-vae-ft-mse - 改进稳定扩散自编码器提升图像重建效果
GithubHuggingfaceStable Diffusion图像生成开源项目模型模型微调深度学习自动编码器
sd-vae-ft-mse是一款经过微调的稳定扩散自编码器,在LAION-Aesthetics和LAION-Humans数据集上训练。该模型旨在提高图像重建质量,尤其是人脸细节。相比原始模型,它在PSNR和SSIM等指标上有明显提升,能够生成更平滑的图像。该模型可作为VAE组件轻松集成到现有的diffusers工作流中,用于稳定扩散图像生成。
Generative-AI - 多模态图像合成与编辑技术及其分类
Data ModalityGenerative AIGithubMultimodal Image Synthesis and EditingTaxonomyVisual AIGC开源项目
该项目附有一篇综述论文,全面分析了多模态图像合成与编辑(MISE)和视觉AIGC的发展情况,并根据数据模态和模型架构进行了分类研究。通过此项研究,科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络(GAN)等不同技术及其应用,帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。
ConsistentID - 基于细粒度身份保持的先进人像生成模型
AI绘图ConsistentIDGithub人像生成多模态开源项目身份保持
ConsistentID是一个创新的人像生成模型,通过整合FaceParsing和FaceID信息到扩散模型中,实现高度身份保真。该模型支持快速定制、多样化生成和文本控制,无需额外训练即可使用。项目提出的FGIS基准为细粒度身份保持设立新标准,ConsistentID还可作为适配器与其他模型协同工作,推动人像生成技术发展。
VideoCrafter - 突破数据限制的开源视频生成与编辑工具
AI模型GithubVideoCrafter2图像转视频开源项目文本转视频视频生成
VideoCrafter2是一个开源的视频生成和编辑工具,致力于克服数据限制,提高视频扩散模型质量。它支持文本到视频和图像到视频的生成,在有限数据条件下实现了更好的动态效果和概念组合。该工具提供高分辨率输出和更高的一致性,为研究人员和创作者提供了实用的视频内容制作方案。
stable-video-diffusion.com - Stable Video Diffusion,创新的图像转视频技术
AI工具AI视频生成Stable Video Diffusion图像转视频开源模型生成式AI
stable-video-diffusion.com介绍了Stable Video Diffusion技术,这是一种新型的图像到视频转换方法。网站详细说明了SVD和SVD-XT两种模型的特点和应用,包括它们的分辨率、帧数和帧率。作为研究预览版本,该技术主要用于教育和创意领域。网站还讨论了这项技术在广告、教育和娱乐行业的潜在应用,以及当前的技术限制。作为开源项目,网站鼓励开发者参与,推动视频生成技术的进步。
Awesome-diffusion-model-for-image-processing - 扩散模型在图像处理领域的最新进展与应用汇总
Github图像处理图像复原开源项目扩散模型深度学习超分辨率
本项目汇总了扩散模型在图像处理领域的最新研究进展,涵盖图像复原、增强、编码和质量评估等方面。重点关注图像超分辨率、修复和去噪等任务,提供全面的调查报告和定期更新的研究成果。项目收录了大量相关开源代码和数据集资源,为研究人员提供了重要的参考信息。
clip-guided-diffusion - 文本生成图像,多功能扩散模型
AI绘图CLIP Guided DiffusionGithubKatherine Crowsonpyglide图像生成开源项目
CLIP Guided Diffusion项目提供文本生成图像功能,支持多种参数和提示词权重设置。此项目采用高效扩散模型,通过命令行或Python接口操作,支持GPU加速,提供丰富的图像尺寸和调校选项,适合生成高质量多样化的视觉内容。
FreeInit - 改进视频生成一致性的方法,无需额外训练
FreeInitGithub开源项目无监督学习时序一致性视频扩散模型视频生成
FreeInit改进了视频扩散模型的一致性,通过简单的频率滤波器实现噪声重初始化,无需额外训练。已集成至Diffusers和ComfyUI-AnimateDiff-Evolved,可在Hugging Face上体验在线demo。项目代码和示例脚本方便研究人员应用。
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

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。

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