Project Icon

wuerstchen-prior

文本驱动的图像生成 极致压缩实现高效推理

Würstchen项目采用创新的两阶段压缩方法,实现了高达42倍的空间压缩,显著降低了文本到图像的生成成本。初步压缩由VQGAN完成,随后扩散自编码器进一步优化。关键的Stage C在小型潜空间中高效运行,适应高分辨率图像如2048x2048,仍保持对计算资源的低需求。使用固定预训练的文本编码器CLIP ViT-bigG/14,该模型能够经济高效地产生基于文本提示的高质量图像。

pix2struct-large - 融合图像和文本的开创性AI预训练模型
GithubHuggingfacePix2Struct图像到文本模型多任务学习开源项目模型视觉语言理解预训练
Pix2Struct是一款突破性的图像到文本预训练模型,专注于视觉语言理解。其独特之处在于通过解析网页截图为简化HTML进行预训练,有效整合了OCR、语言建模和图像描述等关键技术。在文档、插图、用户界面和自然图像四大领域的九项任务评估中,Pix2Struct在六项中表现卓越,展现了其强大的通用性。这一创新模型为视觉语言相关任务奠定了坚实基础,可通过微调适应多样化的应用场景。
OnlyReal-Black-Mix - 利用文本到图像技术实现高效图像生成的创新解决方案
CivitaiGithubHugging FaceHuggingfacediffusersstable-diffusion图像生成开源项目模型
该项目结合稳定扩散模型与diffusers,支持文本转图像功能,适合多样化的创意应用场景。利用Hugging Face API生成的样本图像及原作者的演示,展示了其在艺术创作中的潜力与应用价值。
CogVideoX-2b - 轻量级开源视频生成模型支持低显存推理
CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成
CogVideoX-2B是一个基于扩散模型的开源视频生成工具。该模型可将文本描述转化为6秒长、720x480分辨率、8帧/秒的视频。其最低仅需4GB显存即可运行,通过INT8量化还可进一步降低资源消耗。作为入门级选择,CogVideoX-2B在性能和资源使用间取得平衡,适合进行二次开发。模型目前支持英文输入,并提供多种优化方案以提升推理速度和降低显存占用。
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。
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。
kandinsky-2-1 - 基于CLIP和扩散技术的高级文本到图像生成模型
GithubHuggingfaceKandinsky 2.1人工智能图像处理开源项目文本生成图像机器学习模型
Kandinsky 2.1是一个结合CLIP和潜在扩散技术的文本条件扩散模型。该模型采用CLIP作为文本和图像编码器,并利用扩散图像先验在CLIP模态的潜在空间间建立映射,从而提升视觉效果并拓展图像混合与文本引导图像操作的可能性。Kandinsky 2.1支持文本到图像生成、文本引导的图像到图像转换以及图像插值等功能,在COCO_30k数据集的零样本测试中获得8.21的FID评分。
tame-the-authenticity-machine-v10-sdxl - 稳定扩散XL模型实现逼真图像生成
GithubHuggingfacediffusersstable-diffusiontext-to-image图像生成开源项目模型真实感
该项目利用zyxt99565的模型,通过diffusers库进行文本到图像的转换,支持多标签如stable-diffusion-xl和photorealistic,专注于生成高质量逼真图像。
openjourney-v4 - 基于大规模Midjourney图像训练的文本生成图像模型
GithubHuggingfaceOpenjourney v4PromptHeroStable Diffusion人工智能绘图开源项目文本生成图像模型
Openjourney-v4是一款经过深度训练的文本生成图像模型。它在Stable Diffusion v1.5的基础上,利用124,000多张Midjourney v4图像进行了优化。经过12,400步迭代、4个训练周期和32小时以上的训练,该模型展现出卓越的图像生成能力。值得注意的是,使用Openjourney-v4时不再需要'mdjrny-v4 style'提示。PromptHero平台为用户提供了丰富的提示词资源,并开设了相关培训课程。
kencanmix_v1.5 - 稳定扩散与文本到图像生成的优化方案
AI绘图GithubGoogle colabHuggingfacediffusersstable-diffusion开源项目文本到图像模型
kencanmix_v1.5通过整合稳定扩散和谷歌Colab,提供了卓越的文本到图像转换能力,示例图片体现了创新的推理技术,为图像生成探索开辟了新的方向。
FuzzyHazel - 文本到图像生成的稳定扩散模型及LoRA融合应用
AI绘图GithubHuggingfaceStable Diffusion下载链接开源项目模型模型合并艺术风格
FuzzyHazel项目致力于探索稳定扩散模型与LoRA技术在文本到图像生成中的应用。通过整合多样化模型,如HazyAbyss、OctaFuzz、MareAcernis等,并使用EasyNegative和pastelmix-lora资源优化,项目展现了多样的高质量图像生成能力。利用权重公式合并模型,提供了对图像生成的细致控管。同时,项目重视图像合并时的色彩、细节和结构的准确性,为高精度图像生成行业提供了新的解决方案,显示出其在AI艺术和设计中的潜力。
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