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。

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。
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。
AM-mix1 - 理解Stable Diffusion技术在图像生成中的应用
APIGithubHugging FaceHuggingfaceStable Diffusion Diffusersstable-diffusion开源项目文本到图像模型
AM-mix1项目利用Stable Diffusion技术实现文本到图像转换。通过Hugging Face API生成示例,呈现模型性能。探索该项目如何为艺术作品和设计项目提供创新解决方案。
LLMGA - 用于精确图像生成和编辑的多模态大语言模型
ECCV2024GithubLLMGA图像生成多模态大模型开源项目
LLMGA基于多模态大语言模型,提供图像生成与编辑解决方案。结合Stable Diffusion和详细语言生成提示,项目提升了上下文理解并减少生成过程中的噪音,增强图像内容的精度。LLMGA支持文本到图像(T2I)、补画、扩画及指令编辑,适用于Logo设计、海报制作和故事绘本生成,支持中英文指令。广泛的模型和数据集选择满足不同需求,是理想的图像生成和编辑助手。
stable-diffusion-3-medium-diffusers - 先进的文本生成图像技术
AI绘图GithubHuggingfaceMMDiTStable Diffusion 3开源项目文本生成图像模型非商业用途
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技术。该模型在图像质量、文字渲染和复杂提示理解方面表现出色,同时提高了资源使用效率。它使用三个预训练文本编码器,能够根据文本描述生成高质量图像。该模型开放非商业研究用途,并提供商业授权选项。
HCP-Diffusion - Stable Diffusion模型训练与优化工具集
DreamArtist++GithubHCP-DiffusionLoRAStable Diffusion开源项目文本到图像生成
HCP-Diffusion是基于Diffusers库开发的Stable Diffusion模型工具集。它整合了多种文本到图像生成的训练方法,包括Prompt-tuning和Textual Inversion等。该工具集引入了DreamArtist++技术,支持一次性文本到图像生成。HCP-Diffusion提供层级LoRA、模型集成和自定义优化器等功能,为AI研究和开发提供全面的模型训练与推理支持。
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-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。
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。
perfectlevel10 - 通过稳定扩散技术革新图像生成
AI绘图GithubHuggingfacediffusersstable-diffusion图像生成开源项目文本转图像模型
PerfectLevel10结合稳定扩散和文本转图像技术,旨在提升图像生成的质量和效率。使用长尾关键词如稳定扩散和diffusers,该项目适用于多种应用场景,并提供详细的项目信息、更新和使用案例,方便用户获取所需的信息。
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