Project Icon

mtt-distillation

合成数据集优化训练性能,广泛适用于多个领域

通过匹配训练轨迹实现数据集蒸馏,减少模型训练所需的真实数据集数量并保持高性能。适用于ImageNet等大规模数据集,可生成低支撑的合成数据集和可拼接纹理。项目提供详细的实现步骤和代码,从下载仓库、生成专家轨迹到数据集蒸馏,帮助用户快速开始应用。还提供可视化工具和超参数设置指南,满足不同需求。此方法显著提高了模型训练效率,适合学术研究和工业应用。

multimodal-garment-designer - 利用多模态潜变量扩散模型进行人类为中心的时尚图像编辑
Dress CodeGithubMultimodal Garment DesignerVITON-HD开源项目时尚图像编辑潜在扩散模型
本项目通过多模态条件时尚图像编辑,优化服装设计流程,生成符合文本、人体姿势和服装草图等多种输入模态的时尚图像。采用的新架构基于潜变量扩散模型,并且扩展了Dress Code和VITON-HD数据集,实验结果显示该方法在图像现实性和输入一致性方面效果显著。更多详情请参阅官方文档及GitHub仓库。
instruction-tuned-sd - 基于指令微调的Stable Diffusion图像编辑模型
GithubStable Diffusion低级图像处理卡通化图像处理开源项目指令微调
该项目探索了一种指令微调Stable Diffusion模型的方法,使其能够根据输入图像和特定指令进行图像编辑。结合FLAN和InstructPix2Pix的思想,项目通过构建指令数据集和训练,提升了模型执行图像转换任务的能力。研究涵盖卡通化和低级图像处理,并开源了相关代码、模型和数据集。
realistic-vision-v12 - 基于文本生成逼真图像的新技术
AI绘图GithubHuggingfaceRealistic Visiondiffusersstable-diffusion图像生成开源项目模型
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。
Stylized-ImageNet - 介绍如何在卷积神经网络中创建和使用风格化的ImageNet数据集
CNNGithubImageNetPyTorchStylized-ImageNetTensorFlow开源项目
项目详细介绍了如何创建Stylized-ImageNet,一个经风格化处理的ImageNet版本,用于诱导卷积神经网络(CNN)的形状偏向。Stylized-ImageNet通过改变图像的局部纹理而保持整体形状完整,并有助于提高模型的准确性和鲁棒性。项目提供了使用说明、训练细节和Docker镜像,简化实现过程。用户还可使用提供的代码对任何图像数据集进行风格化处理,提升研究效率。
LibMTL - 基于PyTorch的多任务学习开源库,支持多种架构和优化策略
GithubLibMTLPyTorch多任务学习开源库开源项目算法
LibMTL是一个基于PyTorch的开源库,专为多任务学习(MTL)设计。它提供了一致的代码库和评估流程,支持多种架构和优化策略,涵盖多个领域的基准数据集。LibMTL采用模块化设计,允许用户灵活添加自定义组件或调整现有算法,方便开发新策略或应用于新场景。详尽的文档确保不同经验水平的开发者都能轻松使用。
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。
SiT - 可扩展插值变换器 融合流模型和扩散模型的图像生成新方法
GithubSiT图像生成开源项目机器学习深度学习生成模型
SiT项目开发了可扩展插值变换器,这是一种基于扩散变换器的生成模型。通过灵活连接分布,SiT实现了对动态传输生成模型的模块化研究。在条件ImageNet 256x256基准测试中,SiT以相同的骨架和参数超越了DiT,并通过优化扩散系数获得了2.06的FID-50K分数。项目提供PyTorch实现、预训练模型和训练脚本,推动了图像生成技术的进步。
awesome-ai-art-image-synthesis - AI图像生成与提示工程工具集合
AI ArtDalle2GithubMidJourneyPrompt EngineeringStableDiffusion开源项目
全面介绍Dalle2、MidJourney、StableDiffusion等AI图像生成工具和技术。提供适合初学者和高级用户的实用工具、提示和技巧,以及丰富的资源,包括商业和开源模型、提示工程工具、后处理工具和社区支持。无论是了解如何使用这些工具生成图像,还是寻找灵感和学习资源,这里都能满足需求。
Paint-by-Example - 通过扩散模型进行示范导向的图像编辑
GithubHuggingfacePaint by Example图像编辑开源项目扩散模型自监督训练
该项目通过自监督训练,重新组合源图像及示范图像,避免了直接复制粘贴带来的伪影。采用任意形状掩码和无分类器指导,提升编辑过程的可控性,并通过一次性前向扩散模型实现高保真图像编辑。项目展示了对自然图像的高效可控编辑效果,提供了预训练模型、测试基准和量化结果,适用于图像编辑和生成的研究与应用。
Tune-A-Video - 图像扩散模型微调实现高质量文本到视频转换
GithubTune-A-Video人工智能开源项目扩散模型文本生成视频计算机视觉
Tune-A-Video项目通过微调预训练的文本到图像扩散模型,实现高质量文本到视频生成。该方法仅需一个视频-文本对作为输入,即可快速适应新的视频生成任务。支持Stable Diffusion等多种预训练模型,能生成多样化风格的视频内容。项目开源代码实现,提供在线演示和预训练模型,为研究和开发提供便捷的文本到视频生成工具。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

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