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。

stable-diffusion-2-depth - 基于深度感知的Stable Diffusion AI图像生成模型
GithubHuggingfaceStable Diffusion人工智能图像生成开源项目机器学习模型深度学习
stable-diffusion-2-depth是基于Stable Diffusion 2的深度感知AI图像生成模型。它在原有基础上增加了处理MiDaS深度预测的输入通道,实现了额外的条件控制。该模型能够根据文本提示生成和修改高分辨率图像,主要应用于AI安全部署研究、模型局限性探索和艺术创作等领域。作为开源项目,stable-diffusion-2-depth为AI图像生成技术的进步提供了新的可能性。
LightGaussian - 高效压缩3D高斯模型 实现15倍存储减少和200+FPS渲染
3D高斯压缩GithubLightGaussian开源项目渲染优化神经渲染计算机图形学
LightGaussian项目开发了一种新型3D高斯模型压缩方法。该方法结合了剪枝、恢复、SH蒸馏和VecTree量化技术,实现了15倍的存储压缩,同时保持200+FPS的渲染速度。在保持图像质量的前提下,LightGaussian显著减小了模型体积,为实时3D场景渲染和AR/VR应用开辟了新途径。项目提供了开源代码、使用指南和示例,便于研究人员和开发者进行深入研究和应用开发。
VPGTrans - 低成本跨语言模型迁移的视觉提示生成器VPGTrans指南
GithubVL-LLMVL-LLaMAVL-VicunaVPGTrans开源项目视觉提示生成器
VPGTrans框架通过迁移视觉提示生成器,显著降低大语言模型的资源消耗和训练数据需求。该项目包括VL-LLaMA和VL-Vicuna两阶段训练方法,并详细介绍了安装、评估和训练步骤,由新加坡国立大学和清华大学的研究人员开发。
FLUX.1-dev - 高质量文本生成图像的开源AI模型
FLUX.1GithubHuggingface人工智能图像生成开源模型开源项目模型深度学习
FLUX.1-dev是一个开源的AI图像生成模型,拥有120亿参数。该模型采用整流流变换器技术,可根据文本描述生成高质量图像,在输出质量和提示跟随方面表现优异。FLUX.1-dev开放模型权重,旨在推动科研发展和艺术创新。它支持个人、科研和商业用途,可通过多种API和工具使用,为AI图像生成领域提供了新的可能性。
VILA - 创新的视觉语言模型预训练方法
GithubVILA多模态开源项目视觉语言模型量化预训练
VILA是一种新型视觉语言模型,采用大规模交错图像-文本数据预训练,增强了视频和多图像理解能力。通过AWQ 4位量化和TinyChat框架,VILA可部署到边缘设备。该模型在视频推理、上下文学习和视觉思维链等方面表现出色,并在多项基准测试中获得了优异成绩。项目完全开源,包括训练和评估代码、数据集以及模型检查点。
epicrealism-xl-v8kiss-sdxl - Stable Diffusion XL基础的逼真图像生成模型
GithubHuggingfaceStable Diffusion人工智能绘图开源项目文字转图像机器学习模型逼真照片
epicrealism-xl-v8kiss-sdxl是基于Stable Diffusion XL的写实图像生成模型。此模型专注于创建逼真图像,适用于需要高质量摄影级别输出的场景。在保持原始Stable Diffusion XL功能的基础上,该模型优化了真实感和细节表现,能够生成更加逼真的图像。
Ranni - 将文本指令精确转化为图像的AI生成技术
AI绘画CVPR 2024GithubRanni开源项目文本生成图像语义理解
Ranni是一个创新的文本到图像生成项目,结合大型语言模型和扩散模型,提高了指令理解和图像生成的精确度。该项目由规划模型和绘画模型组成,可将文本指令准确转化为视觉元素。除了生成高质量图像,Ranni还支持交互式编辑,方便调整生成结果。项目已开源模型权重,包含经LoRA微调的LLaMa-2-7B和全面微调的SDv2.1模型。
imagen-pytorch - 文本到图像合成技术,基于Pytorch的Imagen实现
GithubImagenPytorchT5模型开源项目文本到图像神经网络
Google的Imagen是一种基于Pytorch实现的文本到图像神经网络,被视为此领域的新技术标杆。它采用简化的架构和优化的设计,例如级联DDPM、动态剪辑和内存高效的Unet设计。该项目在从文本转换成图像的合成过程中,表现出了相比DALL-E2的显著优势,为研究人员和开发者提供了实用的图像生成工具。
Text2Tex - 文本驱动的3D网格高质量纹理生成方法
3D网格GithubText2Tex开源项目扩散模型文本驱动纹理合成
Text2Tex是一种新型3D网格纹理生成方法,利用文本提示和扩散模型创建高质量纹理。该技术融合局部修复和深度感知图像扩散模型,从多角度逐步合成高分辨率局部纹理。通过动态分割渲染视图和自动生成视图序列,Text2Tex有效避免了不一致和拉伸问题,同时优化了纹理更新过程。实验结果显示,在文本驱动纹理生成领域,Text2Tex的性能明显优于现有技术。
rwkv-4-169m-pile - RNN与Transformer的高性能结合:高效文本生成
GPUGithubHuggingfaceRWKV人工神经网络开源项目文本生成模型转换脚本
RWKV项目由Bo Peng主导,结合RNN和Transformer的优势,提供强大的LLM性能,支持“无限”上下文长度、快速推理和节省显存。该模型支持并行训练,如GPT,可用于高效文本生成,并提供详细的使用和部署指南。项目中提供的多种硬件运行方案,使得用户能够轻松部署在不同环境中,享有快速且节能的文本生成体验,符合现代AI开发需求。
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