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

stable-diffusion-2-1 - 高分辨率AI文本生成图像模型，支持多样化创作

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像机器学习模型深度学习

Stable Diffusion v2-1是Stability AI开发的文本到图像生成AI模型。基于潜在扩散技术，它能将文本描述转化为最高768x768分辨率的高质量图像。该模型提供多个专用变体，包括深度感知和图像修复等。主要应用于艺术创作、设计和研究领域，但存在一些局限性，如无法生成可读文本。Stable Diffusion v2-1仅供研究用途，不应用于生成有害或违法内容。

ALLaVA - GPT4V合成数据集助力轻量级视觉语言模型训练

ALLaVAGPT-4VGithub开源项目微调数据集视觉语言模型

ALLaVA项目推出大规模GPT4V合成数据集，旨在促进轻量级视觉语言模型的训练。项目发布了ALLaVA-Phi3-mini-128k、ALLaVA-StableLM2-1_6B和ALLaVA-Phi2-2_7B等多个模型版本，可直接从Hugging Face仓库加载。ALLaVA-4V数据集整合了LAION和Vision FLAN的图像标注与指令数据，以及GPT-4-Turbo生成的文本指令，总样本量超过140万。这一资源为视觉语言模型研究提供了丰富的训练数据和预训练模型，有望推动该领域的进一步发展。

Era3D - 基于高效行注意力的高分辨率多视图扩散模型

3D重建AI生成Era3DGithub多视图扩散开源项目高分辨率

Era3D是一个高分辨率多视图扩散模型，采用高效行注意力机制生成3D内容。该模型可从单张图像创建多视角数字人像，包括色彩和法线图像。项目开源了实现代码、预训练权重，并提供在线演示。Era3D在保持输出质量的同时提高了计算效率，为3D内容创作和计算机视觉研究提供了实用工具。

RGT - 递归泛化Transformer模型实现高效图像超分辨率

GithubRGTTransformer全局上下文图像超分辨率开源项目自注意力机制

RGT项目提出递归泛化Transformer模型,通过创新的自注意力机制高效捕获图像全局信息。该模型结合局部和全局特征,在图像超分辨率任务中实现了优异性能,为高质量图像重建提供新思路。实验结果显示RGT在多个评估指标上超越了现有先进方法。

stable-diffusion-v1-5 - 先进的文本到图像生成模型，实现高质量图像创作

GithubHuggingfaceStable Diffusion人工智能图像生成开源项目文本到图像模型深度学习

Stable Diffusion v1-5是一款基于文本生成图像的扩散模型，通过595k步fine-tuning优化，能生成高质量、多样化的图像。适用于艺术创作、教育和研究等领域，但存在生成可读文本困难等局限。该模型仅供研究用途，不得用于生成有害或非法内容。使用时需注意其局限性并遵守相关规范。

DEADiff - DEADiff模型实现高效风格化图像生成

DEADiffGithub图像风格化开源项目扩散模型文本到图像生成计算机视觉

DEADiff是一种风格化扩散模型，通过参考图像风格和文本提示生成新颖图像。该模型利用解耦表示技术，实现高效风格迁移和文本引导图像生成。DEADiff可将多种风格应用于不同场景，同时保持内容准确性。这项研究由中国科学技术大学和字节跳动的团队完成，并在CVPR 2024上发表。

rcg - RCG框架实现突破性无条件图像生成性能

GithubPyTorchRCG图像生成开源项目神经网络自监督学习

RCG是一种创新的自监督图像生成框架，在ImageNet 256x256数据集上达到了无条件图像生成的最佳性能。该框架缩小了无条件和有条件图像生成之间的性能差距。项目提供基于PyTorch的GPU实现，包含表示扩散模型(RDM)以及MAGE、DiT、ADM和LDM等多种像素生成器的训练和评估代码。同时提供预训练模型和可视化工具，便于研究人员复现和拓展相关工作。

sd-vae-ft-mse - 改进稳定扩散自编码器提升图像重建效果

GithubHuggingfaceStable Diffusion图像生成开源项目模型模型微调深度学习自动编码器

sd-vae-ft-mse是一款经过微调的稳定扩散自编码器，在LAION-Aesthetics和LAION-Humans数据集上训练。该模型旨在提高图像重建质量，尤其是人脸细节。相比原始模型，它在PSNR和SSIM等指标上有明显提升，能够生成更平滑的图像。该模型可作为VAE组件轻松集成到现有的diffusers工作流中，用于稳定扩散图像生成。

imaginAIry - 探索图像和视频的稳定扩散与AI生成

AI绘图GithubImaginAIry图像处理开源项目热门稳定扩散视频视频生成

imaginAIry是一个先进的AI工具，支持生成高稳定性的图像和视频。项目适用于Linux和macOS操作系统，支持Nvidia GPUs，可通过Python轻松集成。它集成了最新的视频帧插值技术和多种控制模式，如深度图、正常图和控制网图等。此外，imaginAIry还引入了视频输出支持多种格式，如MP4、WebP和GIF，用户可按需生成高质量媒体内容。

RealVisXL_V4.0_Lightning - 探索新一代现实风图像生成技术

CivitAIGithubHuggingfaceMage图像生成开源项目模型模型训练真实感

模型正在不断优化中，专注于生成逼真的高质量图像，包括SFW和NSFW内容。模型现阶段尚未定型，可能存在一定的制约。建议用户采用特定的负提示词和生成参数以提升效果。该工具支持多种采样方法和高分辨率增强，现已上线于Mage.Space。有关详细说明可以访问CivitAI，实时更新和支持则通过Boosty获得。

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