VAR

通过大规模预测生成可扩展图像的视觉自回归模型

VAR 可视化自回归建模图像生成 GPT风格模型扩散模型 Github 开源项目

VAR模型利用创新的'下一尺度预测'策略，重塑自回归图像学习方式，优于传统扩散模型。它适用于多种图像生成任务，展现出优秀的尺度预测与型态泛化能力。现可通过FoundationVision/var进行交互体验。

文档

ReVersion - 图像关系反演技术及其在扩散模型中的应用

GithubNanyang Technological UniversityReVersion关系反演图像生成开源项目深度学习

ReVersion框架提出了一种名为关系反演的新任务，通过从示例图像中捕捉并应用关系提示，生成新的关系特定场景。该项目支持Hugging Face集成，提供预训练模型和基准测试。最新更新包括代码优化和训练代码发布。用户只需克隆仓库并配置Conda环境，即可实现关系反演和多样化图像生成。

Open-MAGVIT2 - 自回归视觉生成新突破大幅提升图像分词性能

GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成

Open-MAGVIT2是一个创新的自回归视觉生成项目，采用无查找技术和262144大小的码本，克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器，在图像分词方面取得显著进展，8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展，目前处于积极开发阶段，未来计划拓展至视频生成领域。

RealVisXL_V4.0 - 专注真实感的开源AI图像生成模型

AI绘图GithubHuggingfaceRealVisXL图像生成开源项目模型模型训练照片写实

RealVisXL_V4.0是一个开源的AI图像生成模型，致力于创造高度逼真的视觉效果。目前仍处于训练阶段，但已能生成多种类型的图像，包括常规和成人内容。模型支持参数调整，如采样步骤和上采样方法，以优化输出结果。尽管存在潜在的瑕疵，RealVisXL_V4.0仍为创作者提供了一个强大的工具，可用于探索多样化的视觉创作。

karlo-v1-alpha-image-variations - 基于unCLIP的文本条件图像生成模型

GithubHuggingfaceKarlo图像生成开源项目文本到图像模型模型架构超分辨率

Karlo v1 alpha通过优化的unCLIP架构提供了文本条件图像生成方案，提升了图像超分辨率性能。该模型在7个降噪步骤中将图像从64px扩展到256px，增强了高频细节表现。项目使用diffusers库，便于高性能GPU上的简便实现。模型在115M图像文本对上进行从头训练，并应用DDPM目标与VQ-GAN风格损失进行优化。

VisionLLaMA - 基于LLaMA的统一视觉模型，为图像生成和理解设立新基准

GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型

VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型，专为处理2D图像而设计。该模型提供平面和金字塔两种形式，适用于广泛的视觉任务，包括图像感知和生成。通过各种预训练范式的广泛评估，VisionLLaMA在多项图像生成和理解任务中展现出卓越性能，超越了现有最先进的视觉Transformer模型，为计算机视觉领域提供了新的基准。

Realistic_Vision_V6.0_B1_noVAE - 开创写实人物图像生成新纪元

AI绘图GithubHuggingfaceRealistic Vision V6.0人工智能模型图像生成开源项目模型照片级真实感

Realistic Vision V6.0 B1是一款专注于生成高度写实人物图像的AI模型。支持从面部特写到全身照多种分辨率，通过优化采样器和参数设置提升图像质量。模型在女性形象细节表现方面有显著进步，建议配合Hires.Fix等后处理技术使用。作为持续更新版本，未来功能将不断完善。该模型适用于需要高质量写实人像的各类创作场景。

RealVisXL_V3.0 - 高度逼真的AI图像生成模型

AI绘图GithubHuggingfaceRealVisXL图像模型图像生成开源项目模型真实感渲染

RealVisXL_V3.0是一个专注于生成照片级真实感图像的AI模型。该模型能够创作SFW和NSFW内容，具有优秀的细节表现和自然质感。尽管仍处于训练阶段，RealVisXL_V3.0已展现出显著潜力。通过调整采样步骤、方法和高清修复参数，用户可以进一步优化生成效果。这个模型为视觉创作提供了强大的工具支持。

sd-image-variations-diffusers - 基于Stable Diffusion的开源图像变体生成模型

CLIPGithubHuggingfaceStable Diffusion人工智能图像变体图像生成开源项目模型

sd-image-variations-diffusers是一个经过微调的Stable Diffusion模型，通过CLIP图像嵌入技术实现图像变体生成。该模型集成Diffusers库，可生成高质量的图像变体，主要应用于艺术创作、教育工具和AI研究等领域。模型目前已发布V2版本，相比V1版本具有更好的图像质量和相似度表现，但在生成人脸和文字方面仍存在局限性。

RealVisXL_V5.0 - 面向真实摄影效果的AI图像生成模型

AI绘图GithubHuggingfaceMage.SpaceNovaXLParagonXL图像生成开源项目模型

RealVisXL_V5.0是一个致力于写实图像生成的AI模型，支持SFW和NSFW内容创作。模型采用DPM++ SDE Karras和DPM++ 2M Karras采样方法，集成了高分辨率修复功能，可进行1.1-1.5倍图像放大。通过优化的负面提示词和参数配置，能够生成具有真实感的图像作品。

SRGAN - 使用生成对抗网络提升单图像超分辨率效果

GithubSRGANTensorLayerXVGG19开源项目计算机视觉超分辨率

本项目展示了使用生成对抗网络（GAN）如何实现单图像的高分辨率超分辨率。使用预训练的VGG19模型和高分辨率图像进行训练，支持多种深度学习框架，如TensorFlow、PaddlePaddle、MindSpore，未来还将支持PyTorch。项目提供完整的训练和评估指南，并通过简单的代码修改可以切换不同的后端框架。适用于图像处理和计算机视觉领域的研究人员和开发人员，项目中展示了技术实现的详细结果，还提供了参考文献和讨论资源。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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