Project Icon

Forgedit

基于学习和遗忘的文本引导图像编辑方法

Forgedit是一种新型文本引导图像编辑方法,采用视觉-语言联合优化框架,能在30秒内重建原始图像。该方法在扩散模型的文本嵌入空间中引入向量投影机制,实现身份相似度和编辑强度的独立控制。Forgedit还提出了新的遗忘机制,解决了在单图像上微调扩散模型时的过拟合问题。基于Stable Diffusion构建的Forgedit在TEdBench基准测试中表现优异,CLIP评分和LPIPS评分均超过了之前的最佳方法。

ProFusion - 高效定制化文本到图像生成的无正则化方法
AI绘图GithubProFusionStable Diffusion开源项目文本生成图像自定义模型
ProFusion是一个创新的文本到图像生成框架,专为定制预训练大规模模型而设计。该框架仅需一张测试图像和单个GPU,即可为独特概念生成多样创意图像。ProFusion采用无正则化方法,有效保留图像细节,并能构建定制数据集用于训练免调整的AI助手。此外,它还支持处理复杂输入,同时生成文本说明和图像,无需额外微调。
diffusion-rig - 基于个性化先验的人脸外观编辑技术
DiffusionRigGithub个性化先验人脸编辑开源项目扩散模型计算机视觉
DiffusionRig是一个基于扩散模型和3D面部重建的人脸外观编辑项目。它通过学习个性化先验知识,实现了对光照、表情和头部姿势等属性的精准调整,同时保持身份特征。该项目首先在FFHQ数据集上训练通用模型,然后可快速适应个人照片集。DiffusionRig为人像编辑和虚拟试妆等应用提供了新的技术方案。
EditAnything - 多功能图像编辑与生成开源项目
AI绘图EditAnythingGithub图像生成图像编辑开源项目深度学习
EditAnything 是一个开源的图像编辑和生成项目,集成了 Segment Anything、ControlNet 和 Stable Diffusion 等先进技术。该项目支持跨图像区域拖放、服装和发型编辑、美颜处理等功能,还可根据简单草图生成图像。EditAnything 提供自定义编辑和布局对齐控制,为图像处理带来更大灵活性,适用于创意设计和内容创作等领域。
IF-I-XL-v1.0 - 先进的多级级联扩散模型实现高质量文本到图像生成
AI绘画DeepFloyd-IFGithubHuggingface开源项目扩散模型文本生成图像模型深度学习
IF-I-XL-v1.0是DeepFloyd和StabilityAI开发的三级级联扩散模型,具有4.3B参数规模。该模型采用冻结的T5转换器和改进的UNet架构,实现高质量文本到图像生成。在COCO数据集上,模型达到6.66的零样本FID-30K分数,展现出优秀的照片级真实感和语言理解能力。支持从64x64到1024x1024的多分辨率图像生成,可在14GB显存的GPU上高效运行。
GLIGEN - 开放式条件引导的文本到图像生成模型
GLIGENGithub人工智能开源项目文本到图像生成深度学习计算机视觉
GLIGEN是一个创新的开放式条件引导文本到图像生成模型。它扩展了冻结文本到图像模型的功能,支持框、关键点和图像等多种引导条件。在COCO和LVIS数据集的零样本测试中,GLIGEN大幅超越了现有的有监督布局到图像生成基线。这项技术在开放世界场景下的应用前景广阔,同时也需关注其局限性和伦理影响。
StreamMultiDiffusion - 基于区域语义控制的实时交互式图像生成
GithubStable Diffusion 3StreamMultiDiffusion实时生成开源项目文本到图像语义控制
StreamMultiDiffusion 提供基于区域语义控制的实时交互式图像生成。该项目支持细粒度区域控制、分离提示和实时图像修复,能够显著降低生成延迟,适用于大尺寸图像的高效创作及全景生成等应用。
opendream - 非破坏性编辑与扩展兼容的图像生成平台
GithubOpendreamStable Diffusion图像生成开源项目扩展功能非破坏性编辑
Opendream 是一个简化 Stable Diffusion 工作流的 Web 界面,支持分层操作和非破坏性编辑,帮助用户在保留原始图像数据的同时进行灵活调整。扩展功能使得用户可以轻松编写和安装扩展,集成 ControlNet 等新功能,提升创意探索的可能性。通过保存和分享工作流,用户可以轻松协作,保持创作的连续性。Opendream 为图像生成和编辑带来了更多便捷和控制力。
epiCEpic - 增强图像生成与背景一致性的多功能工具
AI绘图GithubHuggingfaceepic-diffusion创意设计开源项目文本到图像模型高分辨率
epiCEpic通过结合Epic Diffusion 1.0和epiCDream,提升了图像生成的背景一致性和细节表现。该工具支持创建从科幻到自然景观的高分辨率图像,展现出在多领域的多功能性,适用于视觉艺术的多种需求。其结合了稳定扩散技术与精致的艺术表现,助力创意与创新。
MasaCtrl - 实现一致性图像合成与编辑
GithubMasaCtrl一致性图像合成图像编辑开源项目扩散模型无需微调
MasaCtrl是一种基于互自注意力控制的图像处理技术,实现了一致性图像合成和编辑。该方法结合源图像内容和文本提示生成的布局,无需额外微调即可进行非刚性图像修改。MasaCtrl支持多种应用场景,包括基于提示的合成、真实图像编辑、与可控扩散模型集成等,并可扩展到视频合成。这一技术兼容Stable Diffusion等多种模型,为图像创作提供了新的可能性。
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。
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