Project Icon

Perp-Neg-stablediffusion

Perp-Neg算法突破二维扩散模型限制实现三维生成

Perp-Neg-stablediffusion项目开发了新型负面提示算法,将二维扩散模型扩展至三维领域,缓解了Janus问题。该技术改进了Stable Diffusion的图像生成能力,并实现了三维物体生成。项目开源代码允许研究者探索Perp-Neg在图像合成和三维建模等领域的应用。

Diffusion_models_from_scratch - 完整实现扩散模型的开源框架与教程
Diffusion模型GithubImageNetU-Net图像生成开源项目预训练模型
该项目提供了一个完整的扩散模型实现框架,包含DDPM、DDIM和无分类器引导模型。项目特点包括:基于ImageNet 64x64数据集的预训练模型、详细的环境配置和数据准备指南、全面的训练和推理脚本,以及多种模型架构和优化策略。开发者可以利用此框架轻松训练自定义扩散模型或使用预训练模型生成图像。
x-stable-diffusion - Stable Diffusion 模型的加速技术的汇编
GithubStable DiffusionStochastic.ai优化图片生成开源项目部署
该项目包含多种加速Stable Diffusion模型的技术,旨在更高效生成图像并节省资源。通过示例图像和详细的基准测试,用户可以轻松选择最佳技术。借助stochasticx命令行工具,用户可以快速在本地部署模型。项目还支持在Google Colab上运行,提供包括AITemplate、nvFuser、FlashAttention和TensorRT在内的多种优化工具。
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。
richdreamer - 基于法线-深度扩散模型的高细节文本到3D生成技术
AI生成GithubRichDreamer多视图渲染开源项目文本转3D深度扩散模型
RichDreamer是一种基于法线-深度扩散技术的文本到3D生成模型,能创建细节丰富的3D内容。它结合了多视图法线-深度和反照率扩散模型,生成高质量3D资产。项目开源了代码、预训练模型,并提供在线演示,为3D内容创作提供了实用解决方案。
stable-diffusion-2-inpainting - 基于扩散模型的高分辨率图像生成和修复工具
GithubHuggingfaceStable Diffusion人工智能图像生成开源项目模型深度学习计算机视觉
stable-diffusion-2-inpainting是一个基于扩散模型的图像生成和修复工具。该模型能根据文本提示生成高质量图像,并支持高分辨率图像修复。它采用LAMA的掩码生成策略,结合掩码图像的VAE潜在表示作为额外条件。该模型在英语提示下效果最佳,适用于艺术创作、设计和研究等领域。然而,它也存在一些局限性,如无法生成可读文本,对复杂任务表现欠佳。使用时应注意避免生成有害或带有偏见的内容。
3d-rendering-style-beta2-sdxl - 基于Stable Diffusion XL的3D动漫风格图像生成模型
3DCGAI绘图GithubHuggingfaceStable Diffusion动漫开源项目文本生成图像模型
3d-rendering-style-beta2-sdxl是基于Stable Diffusion XL的模型,用于生成3D动漫风格图像。该模型结合3D渲染技术和动漫美学,可用于创建角色设计和场景构建。它是原始3D渲染风格模型的改进版本,为创作者提供了一种新的图像生成工具。
denoising-diffusion-pytorch - 生成模型新方法:Pytorch中的Denoising Diffusion
Denoising Diffusion Probabilistic ModelGithubLangevin采样Pytorch开源项目扩散模型生成建模
Denoising Diffusion Probabilistic Model在Pytorch中的实现,通过去噪得分匹配估计数据分布梯度,并使用Langevin采样生成样本。这种方法可能成为GANs的有力竞争者。项目支持多GPU训练,提供详细的安装和使用指南,是研究人员和开发者的高效工具,支持1D序列数据和图像数据的生成和训练。
stable-diffusion-3-tiny-random - 精简版Stable Diffusion 3模型助力AI开发调试与实验
DiffusersGithubHuggingfacestable-diffusion-3图像生成开源项目模型模型调试深度学习
stable-diffusion-3-tiny-random是基于Stable Diffusion 3的精简版模型,专为AI开发调试和快速实验设计。该项目采用小型模型结构和随机初始化参数,保留原始模型核心功能。它为开发者提供轻量级环境,便于进行测试、优化和创新,无需大量计算资源。这一工具适合深度学习研究人员和AI艺术家快速验证概念和调试算法。
GaussianDreamer - 通过桥接 2D 和 3D 扩散模型从文本快速生成到 3D 高斯
2D扩散模型3D扩散模型3D生成CVPR 2024GaussianDreamerGithub开源项目
本文客观介绍了通过整合2D和3D扩散模型的快速3D对象生成框架GaussianDreamer。3D扩散模型提供初始几何信息,而2D扩散模型则增强了其几何和外观。GaussianDreamer在单个GPU上可在15分钟内生成高质量的3D实例,比现有方法更快。生成的3D实例支持实时渲染,可方便地整合到动画和仿真管道中。
dreamlike-diffusion-1.0 - 经过艺术优化的Stable Diffusion图像生成模型
GithubHuggingfaceStable Diffusion人工智能绘画图像生成开源项目模型深度学习模型艺术创作
Dreamlike Diffusion 1.0通过对Stable Diffusion 1.5的艺术风格优化,提供了更强的艺术创作能力。模型支持512x768等多种分辨率配置,可生成肖像和风景作品。通过Python Diffusers、Gradio界面支持多平台使用,开放非商业用途部署,商业应用需获得授权。关键词dreamlikeart可增强作品的艺术效果。
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