#AI绘图

AIdea服务端:全能型AI聊天与图像生成应用

3 个月前
Cover of AIdea服务端:全能型AI聊天与图像生成应用

Deep Daze: 用自然语言生成图像的革命性工具

3 个月前
Cover of Deep Daze: 用自然语言生成图像的革命性工具

GFPGAN: 实用的真实世界人脸修复算法

3 个月前
Cover of GFPGAN: 实用的真实世界人脸修复算法

ArtLine: 深度学习驱动的线条艺术肖像创作

3 个月前
Cover of ArtLine: 深度学习驱动的线条艺术肖像创作

Dream Textures: 革命性的Blender AI纹理生成插件

3 个月前
Cover of Dream Textures: 革命性的Blender AI纹理生成插件

ArtLine: 利用深度学习创造惊艳的线条艺术肖像

3 个月前
Cover of ArtLine: 利用深度学习创造惊艳的线条艺术肖像

Dream Textures: 为Blender带来Stable Diffusion的强大AI生成能力

3 个月前
Cover of Dream Textures: 为Blender带来Stable Diffusion的强大AI生成能力

ImaginAIry: 强大的AI图像生成Python库

3 个月前
Cover of ImaginAIry: 强大的AI图像生成Python库

Dream Textures: 革命性的Blender AI纹理生成插件

3 个月前
Cover of Dream Textures: 革命性的Blender AI纹理生成插件

理解Prompt:AI时代的关键技能

3 个月前
Cover of 理解Prompt:AI时代的关键技能
相关项目
Project Cover

Lunatic

Lunatic项目通过整合InsaneRealistic和Lunar Diffusion两种模型,并使用SuperMerger技术,生成高仿真图像。该项目适合多种风格的图像创作,从VHS复古风到超现实幻想场景,在艺术性与真实性上表现卓越,为用户提供创新的图像生成体验。

Project Cover

STRANGER-ANIME

项目使用Huggingface API生成逼真的数字艺术图像,通过关键词组合生成细致且富有情感的视觉效果。用户可以根据需要调整诸如头发颜色、眼睛颜色和雨天等图像细节,实现个性化艺术创作,适用于艺术设计和视觉表达等领域,展示出现代AI在视觉艺术中的应用能力。

Project Cover

Roleplay

此项目集成了a-ZovyaRPGArtistToolsV3与Playground,专注于通过文本生成图像的能力,推动数字艺术创作前沿。用户可以在从像素艺术到数字绘画的各类风格中进行探索,通过描述生动的艺术场景打造引人注目的视觉体验。应用超级合并算法优化输出效果,从而加强创意表现。该平台为数字艺术家和爱好者提供了探索新艺术领域和丰富创作的资源。

Project Cover

realistic-vision-v12

Realistic Vision 1.2结合稳定扩散技术和diffusers库,从文本生成高质量的逼真图像。采用CreativeML-OpenRAIL-M许可证,项目为数字创作提供了灵活性和创新性。通过简单的文本提示,用户可以生成多种符合视觉需求的图像,适用于多个创意领域。

Project Cover

bakLlava-v1-hf

该模型基于Mistral-7B,支持多图像与多提示操作,性能在多项基准测试中优于Llama 2 13B,适用于学术任务和视觉问答。项目更新中,以进一步优化使用体验。

Project Cover

StickersRedmond

StickersRedmond是一个基于SD XL 1.0模型的开源项目,专注于贴纸图像的生成和涂色书图像的设计。该项目适用于创意图像的生成需求,支持GPU的Redmond.AI为项目提供了有力技术保障。项目接受Patreon、Ko-fi和BuyMeACoffee平台上的支持,更多更新资讯可在Twitter上获得。

Project Cover

DanTagGen-beta

DanTagGen-beta是一款基于LLaMA架构的AI标签生成器,专为Danbooru风格的AI艺术创作设计。通过5.3M数据集训练,该工具能够根据基础标签智能推荐相关标签,有效提升生成图像的质量和细节。DanTagGen-beta支持多种部署方式,包括llama.cpp和量化模型,为AI艺术创作者提供了高效的标签辅助工具。

Project Cover

testSCG-Anatomy-Flux1

项目特色在于结合黑森林实验室的FLUX.1基础模型,采用LoRA和diffusers技术以实现高效的文本到图像转换。支持Safetensors格式的模型权重下载,能够处理多领域的图像生成任务,适用于视觉设计和创意行业。通过应用先进技术,提升图像生成的性能和可靠性。

Project Cover

scoresdeve-ema-celeba-64

该项目通过diffusers库的DiffusionPipeline实现无条件图像生成,使用eurecom-ds/celeba数据集,并兼容CUDA设备,提供了加载预训练模型和生成图像的高效方案。模型通过固定种子实现一致的推理输出,适用于AI研究和开发。用户可以自定义推理步骤,满足不同场景下的图像生成需求,拓展计算机视觉应用。

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