Project Icon

photo-background-generation

基于文本引导的扩散模型实现对象背景一致性

该开源项目通过文本引导的扩散模型,解决显著对象背景生成中的'对象扩展'问题,保持对象身份和背景的一致性。适合商业广告等需要清晰度的场景。项目已被CVPR 2024采用,提供创新的背景生成方法。

zero123-diffusers - 单图转3D模型的AI技术突破
3D对象GithubHuggingfaceZero-1-to-3人工智能图像生成开源项目模型研究模型
Zero-1-to-3项目展示了AI领域的重要进展,实现从单一2D图像到3D模型的转换。基于Stable Diffusion技术,该项目为研究人员提供了探索大规模模型部署和生成模型特性的新工具。尽管在真实感和文本渲染方面有待改进,但其在计算机视觉和3D建模领域的应用前景广阔。使用时需谨慎,确保符合伦理标准。
Stability AI - 多模态生成式AI技术的开源先锋
AI工具Stable Diffusion图像生成开源模型生成式AI视频生成
Stability AI专注于开发多模态生成式AI技术,提供开源模型如Stable Diffusion 3(图像生成)、Stable Video Diffusion(视频生成)、Stable Audio 2.0(音频生成)和StableLM(语言处理)。公司致力于通过开放模型和灵活许可,为全球用户提供先进AI解决方案,支持商业和非商业应用,以激发人类创造潜能。
Fantasia3D - 文本生成高质量3D模型的方法
3D内容生成Fantasia3DGithubICCV2023几何建模外观建模开源项目
Fantasia3D专注于通过分离几何和外观,实现高质量的文本生成3D模型。采用Stable Diffusion技术和Latent-NeRF等方法,提升了几何建模和外观渲染的效果,捕捉高分辨率细节并模拟逼真材质。项目团队定期更新FAQ和指南,提供性能优化建议和解决方案。支持用户定制网格细调,兼容多种3D生成方法,实现多样化和逼真的3D模型。
PAIR-Diffusion - 多模态对象级图像编辑的开源解决方案
GithubPAIR Diffusion图像编辑多模态对象级别开源项目扩散模型
PAIR-Diffusion是一个开源的多模态对象级图像编辑器。它支持外观编辑、形状修改、对象添加和变体生成等功能,可通过参考图像和文本进行控制。该项目基于PyTorch开发,兼容各种扩散模型。PAIR-Diffusion在SDv1.5上实现,并使用COCO-Stuff数据集微调。这个工具为对象级图像编辑提供了灵活精确的解决方案。
Tune-A-Video - 图像扩散模型微调实现高质量文本到视频转换
GithubTune-A-Video人工智能开源项目扩散模型文本生成视频计算机视觉
Tune-A-Video项目通过微调预训练的文本到图像扩散模型,实现高质量文本到视频生成。该方法仅需一个视频-文本对作为输入,即可快速适应新的视频生成任务。支持Stable Diffusion等多种预训练模型,能生成多样化风格的视频内容。项目开源代码实现,提供在线演示和预训练模型,为研究和开发提供便捷的文本到视频生成工具。
MIGC - 利用MIGC实现多实例文本生成图像
CVPR2024GithubMIGC多实例生成开源项目文本生成图像稳定扩散
MIGC项目的多实例生成控制器提升了文本生成图像的多样性和质量,包含COCO-MIG基准测试、在线Colab演示等资源。MIGC提升了属性控制,通过更换不同生成器权重,实现高质量和多样化图像生成。最新Consistent-MIG算法优化迭代编辑功能,保持未修改区域一致性并增强修改实例的一致性。此项目由浙江大学的ReLER实验室和华为监督。
multimodal-garment-designer - 利用多模态潜变量扩散模型进行人类为中心的时尚图像编辑
Dress CodeGithubMultimodal Garment DesignerVITON-HD开源项目时尚图像编辑潜在扩散模型
本项目通过多模态条件时尚图像编辑,优化服装设计流程,生成符合文本、人体姿势和服装草图等多种输入模态的时尚图像。采用的新架构基于潜变量扩散模型,并且扩展了Dress Code和VITON-HD数据集,实验结果显示该方法在图像现实性和输入一致性方面效果显著。更多详情请参阅官方文档及GitHub仓库。
ddpm-ema-celebahq-256 - 无条件图像生成的高效去噪扩散模型
CIFAR10DDPMGithubHuggingfaceProgressiveGAN噪声调度器图像合成开源项目模型
项目通过去噪扩散概率模型实现高质量无条件图像生成,结合无平衡态热力学概念,在CIFAR10和256x256 LSUN数据集上取得了优异的Inception和FID评分。用户可以灵活选择噪声调度器以平衡生成质量与速度,该模型也支持渐进式无损压缩,作为自动回归解码的推广。详情请参照官方推理与训练示例。
CFLD - 粗到细潜在扩散实现姿态引导人像合成
CFLDCVPRGithubpose-guided人物图像合成开源项目潜在扩散
CFLD项目提出粗到细潜在扩散方法,用于姿态引导的人像合成。该方法采用多阶段策略,先生成粗略草图再逐步细化,提高了生成图像质量和准确性。作为CVPR 2024亮点论文,CFLD在人像合成领域展现了重要进展。
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