PickScore

优化文本到图像生成的用户偏好数据集和模型

PickScore 数据集文本生成图像用户偏好开源项目 Github

PickScore是一个开源项目，提供数据集和模型用于优化文本到图像生成的用户偏好预测。项目包含Pick-a-Pic v1和v2数据集，以及基于v1训练的PickScore模型。此外，还提供演示、安装指南、推理示例和训练脚本，方便研究人员和开发者进行实验和改进。PickScore致力于提升AI生成图像的质量和用户体验。

访问官网

Github

Huggingface

介绍相关项目

pix2struct - 基于截图解析的视觉语言预训练模型

GithubPix2Struct实验运行开源项目数据预处理视觉语言理解预训练模型

Pix2Struct是一个基于截图解析的视觉语言预训练模型。该模型可处理图像描述、图表问答和界面元素理解等多种任务。项目提供预训练的Base和Large模型检查点,以及9个下游任务的微调代码。Pix2Struct在多个视觉语言任务中表现优异,为相关研究提供了有力支持。

T2I-CompBench - 组合式文本到图像生成的全面评估基准

AI模型GithubT2I-CompBench++开源项目文本生成图像组合能力评估基准

T2I-CompBench++是一个用于评估组合式文本到图像生成的增强基准。它引入了人工评估图像-分数对、更全面的组合测试以及被Stable Diffusion 3等模型采用的新评估指标。该基准涵盖颜色、形状、纹理和空间关系等多个方面,通过多种方法全面衡量模型的组合能力。研究人员可利用此基准进行模型训练和评估,促进组合式图像生成技术的进步。

PerceptualSimilarity - 利用深度特征提供图像块相似度评估的方法

BAPPSGithubLPIPSPerceptual LossPerceptual MetricPyTorch开源项目

由Richard Zhang等人在CVPR 2018上提出的感知相似性度量和数据集项目，通过利用深度特征提供图像块相似度评估的新方法。项目包括感知度量（LPIPS）和数据集（BAPPS），适用于PyTorch和TensorFlow，可用于感知损失优化。主要功能包括通过命令行和Python代码评估图像距离，并提供多种网络架构选择。项目详细介绍了度量和数据集的使用及训练方法，从依赖设置到实际应用的全面指导，适合研究人员和开发者。

pixel - 像素编码语言模型，无需固定词汇表实现多语言处理

BERTGithubPIXELVision Transformer图像编码开源项目语言模型

PIXEL是一个将文本渲染为图像进行语言处理的模型，消除了固定词汇表的需求。在同样的数据上，PIXEL在非拉丁脚本的语法和语义处理上优于BERT。PIXEL由文本渲染器、编码器和解码器组成，采用ViT-MAE技术实现图像级语言模型。用户可以通过Gradio演示体验PIXEL，并查看预训练和微调指南。未来将提供渲染指南、优化模型及HuggingFace transformers的集成。

Picsi.Ai - AI先进图像和视频人脸编辑平台

AI变形AI工具Picsi人脸交换图像处理视频处理

Picsi.Ai是基于InsightFace技术的AI图像和视频人脸编辑平台。提供高分辨率人脸替换、多人脸替换、视频和GIF人脸替换、表情匹配、年龄转换等功能。支持创建专业头像、实时人脸变形和动画制作。通过网页应用和Discord机器人提供服务，有免费和付费计划可选。Picsi.Ai为创意工作者和普通用户带来丰富的人脸编辑体验。

1.5-Pints - 快速训练小型语言模型的开源项目

1.5-PintsGithub小型语言模型开源开发开源项目模型架构预训练

1.5-Pints项目提供了一种快速预训练小型语言模型的方法，目标是在9天内达到与知名AI助手相当的水平。该项目开源了模型架构、训练脚本和工具，包含详细的安装指南、数据准备流程、训练和微调方法，以及模型评估和使用说明。研究人员和开发者可以通过这些资源复制实验并进行进一步的开源开发。

open_clip - 探索前沿图像与语言对比预训练技术

GithubOpenCLIP图像识别对比学习开源项目零样本学习预训练模型

OpenCLIP是一个先进的开源深度学习项目，专注于OpenAI的CLIP模型的实现和优化。该项目在多样化的数据源和不同的计算预算下成功训练出多个高效能模型，涵盖图像和文本嵌入、模型微调及新模型开发等多个领域。通过增强图像与语言的联合理解能力，OpenCLIP显著推动了人工智能技术的发展，拓宽了其应用领域。

Awesome-Evaluation-of-Visual-Generation - 视觉生成评估方法全面汇总

Github图像生成开源项目生成模型视觉生成评估视频生成评估指标

该资源库汇集了视觉生成评估领域的各种方法。内容涵盖图像和视频生成模型评估、样本质量评估及用户控制一致性评估等多个方面。项目详细介绍了Inception Score、Fréchet Inception Distance等经典指标及最新评估方法。同时收录了视觉生成改进研究和其他相关资源,为该领域研究者提供全面参考。

image-gpt - 支持多数据集的生成预训练模型

CIFAR10Fashion-MNISTGithubImage GPTPyTorch开源项目生成式预训练

Image GPT是一个基于生成像素预训练模型（Generative Pretraining from Pixels）的PyTorch实现，支持多种预训练模型和数据集。该项目允许下载预训练模型、量化图像、进行生成预训练和分类微调。它还具有BERT风格的预训练、支持加载OpenAI预训练模型等功能。目前，使用单个NVIDIA 2070 GPU可在Fashion-MNIST上实现高效训练，简化了多种图像数据集上的生成模型训练和应用流程。

cleanvision - 图像数据集问题自动检测工具，提升计算机视觉项目质量

CleanVisionGithub图像数据集开源项目数据质量数据问题检测计算机视觉

CleanVision是一个开源的图像数据集审核工具，能自动检测模糊、曝光不当和重复等常见问题。它为计算机视觉项目提供了数据预处理解决方案，支持多种图像格式，适用于分类、分割和对象检测等任务。开发者只需几行Python代码即可快速审核数据集，有助于提高机器学习模型的训练质量。

相关项目

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。

使用协议隐私政策广告服务

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