Project Icon

HunyuanDiT

实现多分辨率扩散和细粒度中英文理解

HunyuanDiT是一个多分辨率扩散变换器模型,具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码,通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话,可根据上下文生成和优化图像。经专业评估,该模型在中文到图像生成方面达到开源模型的先进水平。

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。
stable-diffusion-inpainting - 开源AI模型实现图像修复和高质量生成
AI绘画GithubHuggingfaceStable Diffusion修复绘画图像生成开源项目文本转图像模型
Stable Diffusion Inpainting是一个开源的文本到图像生成和修复模型。它基于潜在扩散技术,可根据文本描述生成高质量图像,并能对现有图像进行智能修复。该模型在LAION-Aesthetics数据集上训练,支持512x512分辨率输出。适用于艺术创作、设计等领域,但不应用于生成有害内容。目前主要支持英文输入,其他语言效果可能有限。
ldm-super-resolution-4x-openimages - 基于潜在扩散模型的图像超分辨率开源工具
GithubHuggingfaceLDM图像处理图像超分辨率开源项目模型深度学习神经网络
ldm-super-resolution-4x-openimages项目利用潜在扩散模型技术实现图像超分辨率处理。该项目在预训练自编码器的潜在空间中应用扩散模型,平衡了计算资源消耗与图像细节保留。项目支持图像4倍放大,并提供了完整的推理pipeline,适用于图像修复、无条件生成和语义场景合成等任务。
LaVIT - 大语言模型理解生成视觉内容的统一框架
GithubLaVIT多模态大语言模型开源项目视觉内容理解视觉内容生成预训练策略
LaVIT项目是一个创新的多模态预训练框架,旨在增强大语言模型处理视觉内容的能力。该项目通过动态离散视觉标记化技术,将图像和视频转换为离散标记序列,使大语言模型能够理解和生成视觉内容。LaVIT支持图像和视频的理解、生成,以及多模态提示生成,为计算机视觉和自然语言处理的融合提供了新的可能性。
DIVA - 扩散模型辅助CLIP增强视觉理解能力
AI视觉CLIPDIVAGithub开源项目扩散模型迁移学习
DIVA是一种创新方法,利用扩散模型作为视觉助手优化CLIP表示。通过文本到图像扩散模型的生成反馈,DIVA无需配对文本数据即可提升CLIP视觉能力。在MMVP-VLM细粒度视觉评估基准上,DIVA显著提升了CLIP性能,同时保持了其在29个图像分类和检索基准上的强大零样本能力。这为增强视觉语言模型的视觉理解开辟了新途径。
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。
DemoFusion - 民主化高分辨率图像生成
DemoFusionGithub图像生成开源开源项目生成式人工智能高分辨率
DemoFusion项目致力于通过优化现有开源生成式人工智能(GenAI)模型,普及高分辨率图像生成技术,减少高额资本投资需求。该框架利用渐进式放大、跳过残差和膨胀采样机制,实现高质量图像生成。DemoFusion的渐进生成过程提供中间预览结果,便于用户快速调整和迭代。此项目旨在对抗大公司垄断,让公众无需支付高昂费用即可使用尖端的高分辨率图像生成技术。
convtest2 - 基于Diffusers库的实验性文本到图像AI模型
AI模型GithubHuggingfacediffusers开源许可开源项目文本生成图像机器学习模型
convtest2是一个基于Diffusers库的实验性文本到图像生成模型。该项目采用FAIPL-1.0-SD许可证,支持英语输入。目前该模型处于测试阶段,旨在探索文本到图像生成技术的可能性。
blended-diffusion - 使用自然语言进行图像局部编辑的工具
Blended DiffusionCLIPDDPMGithub图像编辑开源项目自然语言描述
Blended Diffusion 是一种利用自然语言和ROI掩模进行图像局部编辑的工具。结合了CLIP预训练语言-图像模型和DDPM去噪扩散模型,实现了高效的自然图像编辑。它可以保持背景完整,并无缝融合编辑区域,减少对抗性结果。功能包括新增物体、移除/替换/改变现有物体、背景替换和图像外推。相关代码和模型已开放下载,供用户探索。
OpenDalleV1.1 - 超越SDXL性能的开源AI文生图模型
GithubHuggingfaceOpenDalleV1.1Stable Diffusion人工智能绘画图像生成开源项目模型深度学习
OpenDalleV1.1是一个开源AI图像生成模型,比SDXL具有更强的性能表现。模型在图像真实感和艺术风格方面表现突出,能够准确解析提示词并生成对应图像。基于独特的模型合并方法开发,仅限个人非商业使用,支持diffusers框架部署,通过推荐参数配置可生成细节丰富的图像。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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