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

sdxl-vae - 优化自动编码器提升图像生成细节

GithubHuggingfaceStable DiffusionVAE图像生成开源项目扩散模型模型自编码器

SDXL-VAE项目为SDXL模型提供了优化版变分自动编码器。通过增大批量大小和采用指数移动平均，新autoencoder在所有重建指标上超越原始模型。它易于集成到diffusers工作流中，提升生成图像的局部高频细节。在COCO 2017数据集评估中，SDXL-VAE在rFID、PSNR、SSIM等指标上均优于原始VAE，显著改善了图像重建质量。

LLaVA - 提升大型语言与视觉模型的视觉指令调优

GPT-4GithubLLaVA多模态交互大型语言与视觉模型开源项目视觉指令调优

LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能，达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力，以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力，支持LLama-3和Qwen等不同规模的模型，并提供丰富的示例代码、模型库和数据集，方便用户快速上手和深度研究。

sd-vae-ft-ema - 稳定扩散变分自编码器的增强版模型

GithubHuggingfaceStable Diffusion图像重建开源项目扩散模型机器学习模型自动编码器

sd-vae-ft-ema是一个基于LAION-Aesthetics和LAION-Humans数据集训练的稳定扩散变分自编码器。该模型在图像重建质量尤其是人脸细节方面优于原始VAE，具有更好的rFID、PSNR和SSIM指标表现，可作为扩散器工作流中的即插即用组件。

variational-autoencoder - 变分自编码器参考实现，兼容TensorFlow和PyTorch

GithubMNISTPyTorchVariational Autoencoderjaxtensorflow开源项目

该项目提供了变分自编码器的参考实现，支持TensorFlow和PyTorch。项目中包含了逆自回归流变分家族的示例，通过变分推断对二值MNIST手写数字图像进行拟合。通过重要性采样估计边际似然，展示了高效的训练和验证结果。优化后的测试集边际对数似然达到了-95.33 nats。此外，该项目还提供了JAX实现，能够实现3倍于PyTorch的加速效果。

Realistic_Vision_V1.4 - 写实人物AI渲染模型支持8K超高清输出

GithubHuggingfaceNovaXLStable Diffusion人工智能绘画图像生成开源项目模型模型训练

Realistic Vision 是一款基于Stable Diffusion的开源人物写实模型，可生成具有自然皮肤纹理和光影效果的8K人物图像。模型集成Euler A和DPM++采样器，并提供优化的提示词模板，有效降低图像畸变。主要应用于人物写真、肖像和角色设计等创作领域。

bigaspv2lustify-v10-sdxl - 高精度的文本生成图像模型，提升视觉真实性

GithubHuggingfacestable-diffusiontext-to-image图像生成开源项目模型现实主义

该项目展示了一个结合Stable Diffusion技术的先进文本生成图像模型，能够生成非常逼真的图像效果。由用户ffjggrtbjibv创建，其模型适用于复杂图像创建与需要真实效果的场景。凭借现代化的图像生成算法，这个模型在图像质量和细节表现上得到显著提升，为创作提供更大的灵活性与创意空间。

VSGAN - VapourSynth超分辨率和图像修复模块

GithubPyTorchVSGANVapourSynth图像处理开源项目超分辨率

VSGAN是一个为VapourSynth开发的超分辨率和图像修复处理模块，基于PyTorch实现。该模块利用深度学习技术，提供视频和图像的高质量超分辨率和修复功能。VSGAN兼容Python 3.7+和VapourSynth R55+版本，在GitHub上开源并提供详细文档。这个持续更新的项目为视频处理爱好者和专业人士提供了强大的图像增强工具。

Realistic_Vision_V5.1_noVAE - 专注逼真人像生成的开源AI模型

AI绘图GithubHuggingfaceMage.SpaceNovaXLParagonXLRealDreamXL开源项目模型

Realistic_Vision_V5.1_noVAE是一个开源的AI图像生成模型，专门用于创建逼真的人像。该模型提供了优化的负面提示词和推荐设置，以提升生成效果。它建议与特定VAE配合使用，以增强图像质量并减少伪影。该模型可在Mage.Space平台上使用，开发者通过Boosty接受支持。

VisualRWKV - 结合RWKV的创新视觉语言模型

GithubRWKVVisualRWKV开源项目微调视觉语言模型预训练

VisualRWKV是一个创新的视觉语言模型，基于RWKV架构设计，可处理多样化的视觉任务。该模型采用两阶段训练策略：首先进行预训练，利用预训练数据集训练视觉编码器到RWKV的投影层；随后进行微调，通过视觉指令数据优化模型性能。项目提供完整的训练指南，涵盖数据准备、模型获取和训练流程，支持多GPU并行和不同规模RWKV模型的训练。

DreamlikePhotoReal2 - 高细节增强的超现实图像生成模型

AI绘图Dreamlike PhotoRealGithubHuggingface开源项目模型稳定扩散视觉效果高细节

Dreamlike PhotoReal 2模型通过集成840K VAE进行优化，突出细节。该项目结合稳定扩散与文本转图像技术，使其有能力生成高细节和照片级逼真的图像，如乡间别墅的少女或东京街头的时尚女性。该模型专为需要更高精度图像生成的艺术与设计工作者设计，兼容diffusers库。

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