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

InternImage - 突破大规模视觉基础模型性能极限

GithubInternImage图像分类大规模视觉模型开源项目目标检测语义分割

InternImage是一款采用可变形卷积技术的大规模视觉基础模型。它在ImageNet分类任务上实现90.1%的Top1准确率,创下开源模型新纪录。在COCO目标检测基准测试中,InternImage达到65.5 mAP,成为唯一突破65.0 mAP的模型。此外,该模型在涵盖分类、检测和分割等任务的16个重要视觉基准数据集上均展现出卓越性能,树立了多个领域的新标杆。

stable-diffusion-v1-5 - 先进的AI文本到图像生成模型

GithubHuggingfacediffusers人工智能开源项目机器学习模型模型卡环境影响

Stable Diffusion v1.5是一款基于扩散技术的文本到图像生成模型。该模型能够根据文本描述生成高质量、多样化的图像，适用于艺术创作、设计辅助等多个领域。通过简单的文本提示词，用户可以控制图像生成过程。Stable Diffusion v1.5在图像质量和多样性方面较前代有显著提升，为AI图像生成领域提供了有力支持。

MoE-LLaVA - 高效视觉语言模型的新方向

GithubMoE-LLaVA多模态学习大视觉语言模型开源项目性能表现稀疏激活

MoE-LLaVA项目采用混合专家技术,实现了高效的大规模视觉语言模型。该模型仅使用3B稀疏激活参数就达到了与7B参数模型相当的性能,在多项视觉理解任务中表现优异。项目提供简单的基线方法,通过稀疏路径学习多模态交互,可在8张A100 GPU上1天内完成训练。MoE-LLaVA为构建高性能、低参数量的视觉语言模型探索了新的方向。

stable-diffusion-v1-5 - 先进的文本到图像AI生成模型

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 v1-5是一种基于潜在扩散的文本到图像生成模型。它在LAION-5B数据集上经过595k步训练，可生成512x512分辨率的高质量图像。该模型适用于艺术创作、设计和研究，但存在人脸和文字渲染的局限性。模型通过Diffusers库提供，但不应用于生成有害内容。Stable Diffusion v1-5代表了AI图像生成技术的重要进展。

MeinaPastel_v1 - 文本到图像生成的稳定扩散模型解析

APIGithubHuggingfaceStable Diffusion图像生成开源项目文本到图像模型模型信息

MeinaPastel_v1项目利用稳定扩散和文本到图像生成技术，展示AI模型在图像生成上的应用潜力。用户可以通过Hugginface API或civitai网站查看生成的样例图像，了解其技术能力。该项目为机器学习和图像处理技术爱好者提供了新的研究机会和实用见解。

pixart-900m-1024-ft-v0.6 - 使用稳定扩散技术的创新图像生成模型

AI绘图GithubHuggingfacecyberpunk风格stable-diffusion图像合成开源项目未来城市模型

此开源项目利用稳定扩散技术，专注于文本生成图像的应用，确保高质量的图像输出。以ptx0/pixart-900m-1024-ft-large为基础，通过simpletuner调试，适合描绘多种艺术场景，如外星市场、奇幻森林、赛博朋克城市等。用户可借助自定义文本提示，生成详尽且清晰的图像，支持去除模糊、裁剪及不美观的元素。适合创意者、设计师，激发艺术创意与设计灵感。

VILA1.5-3b - 交错图像文本预训练的视觉语言模型突破

GithubHuggingfaceVILA图像文本预训练多图像推理开源项目模型视觉语言模型边缘部署

VILA1.5-3b是一款基于交错图像-文本数据预训练的视觉语言模型。它具备多图像推理、上下文学习和视觉思维链等能力,可通过AWQ 4位量化部署于边缘设备。该模型采用交错图像-文本预训练、语言模型解冻和指令数据重混合等创新技术,有效提升了视觉语言和纯文本任务性能。VILA1.5-3b支持多种硬件架构,适用于计算机视觉、自然语言处理等研究领域。

Generative-AI - 多模态图像合成与编辑技术及其分类

Data ModalityGenerative AIGithubMultimodal Image Synthesis and EditingTaxonomyVisual AIGC开源项目

该项目附有一篇综述论文，全面分析了多模态图像合成与编辑（MISE）和视觉AIGC的发展情况，并根据数据模态和模型架构进行了分类研究。通过此项研究，科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络（GAN）等不同技术及其应用，帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。

Juggernaut-X-v10 - 基于SDXL的双版本AI图像生成模型

GithubHuggingfaceJuggernaut XRunDiffusion人工智能绘画图像生成开源项目机器学习模型模型

Juggernaut X v10是基于Stable Diffusion XL开发的文本到图像生成模型，分为安全(SFW)和非安全(NSFW)两个版本。模型通过GPT-4 Vision训练，改进了提示词响应准确度，优化了数据集质量和文本生成功能。支持自然语言和标签式两种提示方式，可生成艺术、人物、风景等多类型图像。

IF-I-XL-v1.0 - 先进的多级级联扩散模型实现高质量文本到图像生成

AI绘画DeepFloyd-IFGithubHuggingface开源项目扩散模型文本生成图像模型深度学习

IF-I-XL-v1.0是DeepFloyd和StabilityAI开发的三级级联扩散模型，具有4.3B参数规模。该模型采用冻结的T5转换器和改进的UNet架构，实现高质量文本到图像生成。在COCO数据集上，模型达到6.66的零样本FID-30K分数，展现出优秀的照片级真实感和语言理解能力。支持从64x64到1024x1024的多分辨率图像生成，可在14GB显存的GPU上高效运行。

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