Project Icon

LLM-groundedDiffusion

优化文本到图像合成的提示理解能力

本项目通过将大型语言模型(LLM)与文本到图像扩散模型结合,提高了提示理解能力。LLM负责解析文本请求,生成中间表示如图像布局,最终通过稳定扩散模型生成高质量图像。项目支持多种生成方法和开源模型,用户可自行设置实现自托管,从而节约API调用成本。项目更新频繁,包括支持高分辨率生成和集成SDXL精炼器等功能。

ELLA - 大语言模型辅助扩散模型实现增强语义对齐
ELLAEMMAGithub多模态技术开源项目文本生成图像语义对齐
ELLA项目将大语言模型与扩散模型结合,提高了图像生成的语义对齐能力。通过LLM注释的合成标题训练,ELLA实现了更准确的文本到图像转换。项目提供DPG-Bench评估基准和ComfyUI插件,并开发了支持多模态输入的EMMA模型。这些创新为图像生成领域开辟了新途径,展现了语言模型与扩散模型融合的应用前景。
Imagen - 文字生成图片的AI技术
AI工具AI开发COCO FIDImagen扩散模型文本到图像模型训练热门语言模型
Imagen,一种先进的AI图片生成工具,利用深度语言理解和极致的图像真实性,实现从文字到图像的转换。此模型不仅在COCO数据集上刷新了技术记录,还通过高效的U-Net架构和强大的文本编码系统,优化了图文一致性和图像质量。鉴于潜在的社会影响和数据集偏差问题,当前未开放源代码或公共演示版本。
StreamMultiDiffusion - 基于区域语义控制的实时交互式图像生成
GithubStable Diffusion 3StreamMultiDiffusion实时生成开源项目文本到图像语义控制
StreamMultiDiffusion 提供基于区域语义控制的实时交互式图像生成。该项目支持细粒度区域控制、分离提示和实时图像修复,能够显著降低生成延迟,适用于大尺寸图像的高效创作及全景生成等应用。
stable-diffusion-v1-5-inpainting - 稳定扩散修复模型,提升图像生成与修复能力
GithubHuggingfaceStable Diffusion Inpainting人工智能绘画创意图片生成图像修复开源项目文本生成图像模型
Stable Diffusion Inpainting是一种基于潜在扩散模型的图像生成工具,通过文本提示生成高质量图像,支持遮罩修复。其在LAION-5B数据集上进行训练,应用于艺术和设计领域,具备生成逼真图像的能力,但在复杂文本处理上存在局限。遵循CreativeML OpenRAIL-M许可,可保证合理安全使用。了解训练和应用场景将有助于更有效地进行创新项目开发。
StoryDiffusion - 实现长序列图像和视频的一致性生成
AI生成GithubStoryDiffusion一致性自注意力开源项目长序列图像生成长视频生成
StoryDiffusion是一个专注于长序列图像和视频生成的AI项目。该项目采用一致性自注意力机制,实现角色连贯的图像生成,并通过运动预测器在压缩图像语义空间中预测条件图像间的运动。StoryDiffusion不仅能生成连贯的漫画,还可创作长时间、高质量的视频,为故事创作和视觉内容生成提供了新的技术方案。
testSCG-Anatomy-Flux1 - 文本到图像生成功能及稳定扩散技术概览
AI绘图GithubHuggingfaceSafetensorsstable-diffusion开源项目模型模型下载生成艺术
项目特色在于结合黑森林实验室的FLUX.1基础模型,采用LoRA和diffusers技术以实现高效的文本到图像转换。支持Safetensors格式的模型权重下载,能够处理多领域的图像生成任务,适用于视觉设计和创意行业。通过应用先进技术,提升图像生成的性能和可靠性。
PixArt-XL-2-512x512 - 快速生成高分辨率图像的高效能模型
GithubHuggingfacePixart-α开源项目扩散模型文本到图像模型深度学习生成模型
PixArt-α是一个基于Transformer架构的文本到图像生成框架,能够从文本提示生成高分辨率图像,最高可达1024像素。相比于Stable Diffusion v1.5,其训练时间仅为10.8%,大幅降低成本与碳排放。用户偏好评估显示,PixArt-α在实现效率与图像质量方面表现卓越,适用于艺术创作、教育用途及生成模型研究。但需要注意的是,其在图像还原现实性和复杂任务的执行上尚有局限。查看其GitHub或arXiv以了解更多细节。
flash-diffusion - 用于加速条件扩散模型的高效蒸馏技术
Flash DiffusionGithubLoRA加速技术图像生成开源项目扩散模型
Flash Diffusion是一种用于加速预训练扩散模型图像生成的蒸馏方法。该技术高效、快速、通用且兼容LoRA,在COCO数据集上实现了少步骤图像生成的先进性能。Flash Diffusion只需几小时GPU训练时间和较少可训练参数,适用于文本生成图像、图像修复、换脸和超分辨率等多种任务。它支持UNet和DiT等不同骨干网络,能够显著减少采样步骤,同时保持高质量的图像生成效果。
Smooth-Diffusion - 提升扩散模型潜在空间平滑性的新方法
CVPR 2024GithubSmooth Diffusion图像生成开源项目扩散模型潜在空间
Smooth Diffusion是一种创新的扩散模型技术,通过优化潜在空间的平滑性来提升模型性能。这种方法在图像插值、反演和编辑任务中展现出显著优势,实现了更连续的过渡效果、更低的反演误差,以及更好的未修改内容保留。通过在训练过程中引入变化约束,Smooth Diffusion为扩散模型研究开辟了新方向。
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