Awesome-Controllable-T2I-Diffusion-Models

可控文本到图像扩散模型研究进展综述

Diffusion Models 文本到图像生成个性化生成主体驱动生成可控生成 Github 开源项目

该项目汇集了文本到图像扩散模型中可控生成的前沿研究。内容涵盖个性化生成、空间控制、高级文本条件生成等多个方向,并总结了多条件生成和通用可控生成方法。项目为研究人员和开发者提供了全面了解可控T2I扩散模型最新进展的资源,有助于促进该领域的发展。

stable-diffusion-1.5 - 开源深度学习模型实现文本到图像的精确转换与生成

GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像模型深度学习计算机视觉

Stable-Diffusion-v1-5采用Latent Diffusion架构和LAION-2B数据集训练，能将文本提示准确转换为512x512分辨率的图像。模型通过Diffusers和RunwayML提供标准接口，内置内容审核机制，主要应用于研究、艺术创作和教育领域。目前仅支持英文输入，使用时需遵循CreativeML OpenRAIL-M开源协议规范。

XXMix_9realistic_v1 - 基于diffusers的高质文本到图像转换模型

GithubHuggingfacestable-diffusionstable-diffusion-diffuserstext-to-image头像开源项目模型模型信息

该项目利用stable-diffusion和diffusers技术，将文本转换为逼真的图像，展现动态光影效果，同时融入多位知名艺术家的风格，提供丰富的视觉体验。

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。

RPG-DiffusionMaster - 多模态大语言模型驱动的高质量文图生成框架

GithubRPG区域扩散多模态大语言模型开源项目扩散模型文本到图像生成

RPG-DiffusionMaster是一款创新的文本到图像生成框架，结合多模态大语言模型的提示重述和区域规划能力，以及互补的区域扩散技术。该项目支持多种扩散模型架构，兼容GPT-4等专有模型和开源本地模型，实现先进的图像生成和编辑效果。框架具有高度灵活性和广泛适应性，能生成超高分辨率图像，是一个功能强大的AI创作工具。

stable-diffusion-v1-4 - 先进的AI文本转图像模型

GithubHuggingfaceStable Diffusion人工智能开源项目扩散模型文本生成图像模型深度学习

Stable Diffusion v1-4是一个基于潜在扩散技术的AI模型,能将文本描述转化为高质量图像。它结合自动编码器和CLIP文本编码器,在大规模数据集上训练,可生成多样化的写实和艺术风格图像。该模型为研究人员和创意工作者提供了新的视觉创作工具,开启了AI辅助艺术创作的可能性。但值得注意的是,模型存在一些局限性,如无法生成可读文本,且在复杂组合任务上表现不佳。

stable-diffusion-3-medium - 基于多模态扩散变换器的开源AI图像生成模型

GithubHuggingfaceStable Diffusion 3人工智能绘画图像生成模型开源项目文本生成图像模型非商业许可

Stable Diffusion 3 Medium是Stability AI开发的文本生成图像模型，采用多模态扩散变换器(MMDiT)架构，集成OpenCLIP、CLIP和T5三种文本编码器。模型通过10亿图像预训练和3000万张图像微调，支持图像生成、字体排版等功能。提供多种模型变体，可通过ComfyUI或API使用，仅限非商业研究用途。

awesome-video-generation - 全面汇集视频生成研究的前沿资源库

AI视频Github图像到视频开源项目扩散模型文本到视频视频生成

资源库系统整理视频生成领域的前沿研究论文和资源,包括文本生成视频、图像生成视频、个性化视频生成等多个方向。内容涵盖论文列表、链接、数据集、产品介绍和常见问题解答。这为研究人员和开发者提供了全面了解视频生成技术发展的专业参考。

stable-diffusion-2-depth - 基于深度感知的Stable Diffusion AI图像生成模型

GithubHuggingfaceStable Diffusion人工智能图像生成开源项目机器学习模型深度学习

stable-diffusion-2-depth是基于Stable Diffusion 2的深度感知AI图像生成模型。它在原有基础上增加了处理MiDaS深度预测的输入通道，实现了额外的条件控制。该模型能够根据文本提示生成和修改高分辨率图像，主要应用于AI安全部署研究、模型局限性探索和艺术创作等领域。作为开源项目，stable-diffusion-2-depth为AI图像生成技术的进步提供了新的可能性。

MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架

GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习

MS-Diffusion是一个多主体零样本图像个性化框架，利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度，并引入多主体交叉注意力机制协调主体组合。实验显示，MS-Diffusion在图像和文本保真度方面表现优异，有助于推进个性化文本到图像生成技术的发展。

Lumina-T2X - Lumina-T2X项目：多模态文本转换的流式扩散模型

GithubLumina-T2X多模态生成大型扩散变换器开源项目文本转换高分辨率图像生成

Lumina-T2X利用基于流的扩散变换器，实现文本向多种模态、分辨率和持续时间的转换，包括图像、音频和视频。其功能还包括高分辨率生成、多轮对话、深度图和分割图估计等。项目提供多语言提示和表情符号支持，适用于多种智能生成需求。访问项目页面了解更多详情和使用案例。

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