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。

访问官网

T-GATE - 研究了在文本到图像扩散模型中的时序注意机制

GithubTGATE图像生成开源项目扩散模型自注意力跨注意力

TGATE项目研究了在文本到图像扩散模型中的时序注意机制。研究发现，交叉注意输出在几步推理后可以收敛到固定点，通过采用缓存和重用这些输出的方式，无需额外训练，即可提升现有模型的运行速度10%–50%。TGATE易于集成，提供快速图像生成，适用于CNN U-Net、Transformer和Consistency Model。

sd-image-variations-diffusers - 基于Stable Diffusion的开源图像变体生成模型

CLIPGithubHuggingfaceStable Diffusion人工智能图像变体图像生成开源项目模型

sd-image-variations-diffusers是一个经过微调的Stable Diffusion模型，通过CLIP图像嵌入技术实现图像变体生成。该模型集成Diffusers库，可生成高质量的图像变体，主要应用于艺术创作、教育工具和AI研究等领域。模型目前已发布V2版本，相比V1版本具有更好的图像质量和相似度表现，但在生成人脸和文字方面仍存在局限性。

RadiantDiversions - 融合多种风格的文本到图像转换解决方案

Dreamlike_DiversionsGithubHuggingfacetext-to-image合并模型开源项目模型稳定扩散艺术作品

Radiant Diversions 是一个文本到图像转换模型，结合了多个开源项目的元素，呈现出独特的视觉风格。用户可以在无需特殊提示词的情况下，使用'Dreamlike_Diversions'风格来生成高质量、逼真且富有幻想色彩的图像。该模型适用于多种风格场景，提供了广泛的创作案例，是艺术家和设计师的灵感源泉。

epiCEpic - 增强图像生成与背景一致性的多功能工具

AI绘图GithubHuggingfaceepic-diffusion创意设计开源项目文本到图像模型高分辨率

epiCEpic通过结合Epic Diffusion 1.0和epiCDream，提升了图像生成的背景一致性和细节表现。该工具支持创建从科幻到自然景观的高分辨率图像，展现出在多领域的多功能性，适用于视觉艺术的多种需求。其结合了稳定扩散技术与精致的艺术表现，助力创意与创新。

GiT - 通用视觉Transformer模型实现多任务统一

GiTGithub多任务学习开源项目视觉Transformer计算机视觉语言接口

GiT是一种通用视觉Transformer模型,采用单一ViT架构处理多种视觉任务。该模型设计简洁,无需额外视觉编码器和适配器。通过统一语言接口,GiT实现了从目标检测到图像描述等多任务能力。在多任务训练中,GiT展现出任务间协同效应,性能超越单任务训练且无负迁移。GiT在零样本和少样本测试中表现优异,并随模型规模和数据量增加而持续提升性能。

dreamshaper-xl-turbo - 提升文本到图像处理性能的Stable Diffusion模型

DiffusersGithubHuggingfaceStable Diffusion动漫图像生成开源项目模型艺术

该模型基于stabilityai/stable-diffusion-xl-base-1.0进行精细调优，结合Diffusers工具包，优化文本到图像生成流程，具备高效和多样化的图像生成能力，适用于多种艺术风格。

Awesome-Controllable-T2I-Diffusion-Models - 可控文本到图像扩散模型研究进展综述

Diffusion ModelsGithub个性化生成主体驱动生成可控生成开源项目文本到图像生成

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-2-1-realistic - Stable Diffusion 2.1衍生的高质量写实图像生成模型

DiffusersGithubHuggingfacePhotoChatStable Diffusion开源项目微调文本生成图像模型

stable-diffusion-2-1-realistic是一个基于Stable Diffusion 2.1的改进模型，专注于生成高质量的写实图像。该模型通过120对精选的图像-文本数据进行微调，能够生成逼真的人像和场景。模型支持英语提示词输入，并提供了优化的提示词模板和负面提示词建议，有助于提升输出质量。开发者可以通过Hugging Face Diffusers库集成该模型，也可使用在线推理API快速体验其功能。

DUSt3R_ViTLarge_BaseDecoder_512_dpt - ViT架构的多分辨率3D几何视觉模型用于深度估计

DUSt3RGithubHuggingface三维视觉图像处理开源项目模型深度学习计算机视觉

该模型使用ViT-Large编码器和ViT-Base解码器构建，采用DPT结构设计。支持处理512x384至512x160等多种分辨率图像，为3D几何视觉提供简化实现方案。开发者可通过PyTorch快速部署使用，模型由NAVER开源并遵循CC BY-NC-SA 4.0许可协议。

DiT-MoE - 16亿参数规模的稀疏化扩散Transformer模型

DiT-MoEGithub图像生成开源项目扩散模型深度学习混合专家

DiT-MoE项目采用混合专家模型，将扩散Transformer扩展至16亿参数规模。作为扩散Transformer的稀疏版本，DiT-MoE在保持与密集网络相当性能的同时，实现了高效的推理。项目提供PyTorch实现、预训练权重和训练/采样代码，并包含专家路由分析和Hugging Face检查点。通过混合专家方法，DiT-MoE在模型扩展和推理优化方面展现出显著优势。

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