Latte

创新的潜在扩散Transformer视频生成技术

Latte 视频生成 AI模型深度学习 Transformer Github 开源项目

Latte是一种新型视频生成模型，采用潜在扩散Transformer技术。该模型在多个标准数据集上表现优异，并支持文本到视频的生成。项目提供PyTorch实现、预训练模型和相关代码，为视频生成研究提供了重要参考。Latte在建模视频分布方面采用了创新方法，为未来研究提供了新的思路。

pytorch-transformer - 基于PyTorch的Transformer模型实现与Attention机制全解析

GithubYouTube视频pytorch-transformer实现开源项目步骤注意力机制

该项目实现了基于PyTorch的Transformer模型，通过详细的步骤和代码讲解，辅以‘Attention is all you need’论文的实现和YouTube视频教程，帮助用户掌握并应用Transformer模型。适合从事深度学习、自然语言处理的开发者和研究者。

VisionLLaMA - 基于LLaMA的统一视觉模型，为图像生成和理解设立新基准

GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型

VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型，专为处理2D图像而设计。该模型提供平面和金字塔两种形式，适用于广泛的视觉任务，包括图像感知和生成。通过各种预训练范式的广泛评估，VisionLLaMA在多项图像生成和理解任务中展现出卓越性能，超越了现有最先进的视觉Transformer模型，为计算机视觉领域提供了新的基准。

AI-Auto-Video-Generator - AI自动视频生成：从故事提示到视频合成

AI-Auto-Video-GeneratorDALL-EElevenLabsGithubOpenAI开源项目视频生成

该项目利用AI技术生成视频，通过用户的故事提示，采用OpenAI的GPT-3生成文本，OpenAI的DALL-E生成图像，并用ElevenLabs API进行语音合成，最终合成一个视频。项目要求安装Python 3.6或更高版本、pip、FFmpeg等工具，以及配置OpenAI和ElevenLabs API密钥。用户还可修改代码来制作特定主题的视频，如俳句或蜜蜂知识，并自定义图像和语音设置，实现个性化的视频创作体验。

LlamaGen - 自回归模型在图像生成中的应用和优势

AR模型GithubHugging FaceLlamaGen图像生成开源项目自回归模型

LlamaGen项目展示了自回归模型在图像生成中的潜力，通过无偏视觉信号和大规模数据训练，实现了媲美扩散模型的性能。该项目发布了多种图像tokenizer和生成模型，支持从100M到3B参数的多种配置，并提供在线演示和高效的vLLM服务框架。访问项目页面和在线demo，体验这些创新模型的强大功能。

Luma AI - 通过文本和图像生成高质量视频的AI平台

AI创意AI工具AI视频生成AI辅助设计Luma Dream Machine变换器模型实时图像转视频智能影像热门

Luma AI专注于3D AI技术，通过Dream Machine模型，仅需文本和图像即可快速制作高质量视频，适合各类用户。

robotic-transformer-pytorch - RT1机器人控制Transformer模型的PyTorch实现

GithubRT1人工智能开源项目机器人变形金刚深度学习计算机视觉

本项目是Google Robotics团队RT1（Robotic Transformer）的PyTorch实现版本。RT1是一个结合视觉和自然语言处理的机器人控制Transformer模型。该实现包含MaxViT视觉主干网络和RT1核心模型，支持视频输入和文本指令处理。项目提供简洁API，实现了条件采样和跨注意力等功能，可应用于多种机器人控制场景。

videocomposer - 灵活可控的视频合成与运动模式生成工具

AI生成GithubVideoComposer动作控制开源项目扩散模型视频合成

VideoComposer是一个开源的视频合成模型，能够同时控制生成视频的空间和时间特征。它支持文本、草图、参考视频等多种输入形式，为用户提供灵活的创作方式。项目包含预训练模型和用户界面，便于研究人员和开发者进行视频合成实验。

text2cinemagraph - 文本描述生成电影图像的全自动方法

GithubODISEOptical Flow PredictionPyTorchStable DiffusionText2Cinemagraph开源项目

该项目提供了一种由文本描述生成映画图的全自动方法。通过Stable Diffusion技术，从自然图像和视频数据集中提取语义信息，预测并传递运动到艺术风格图像中，生成电影图像。详细说明了环境设置、预训练模型下载及推理和训练指南，适用于高级图像处理和动画生成的用户。

Awesome-Diffusion-Transformers - 扩散模型与Transformer融合的前沿研究进展汇总

AI生成Diffusion TransformersGithub图像合成开源项目深度学习计算机视觉

本列表汇总了扩散模型与Transformer架构结合的最新研究进展，涵盖图像、视频、语音和3D等多个领域。每个项目均包含发表时间、会议信息、任务类型和资源链接。列表持续更新，为研究者和开发者提供便捷途径跟踪这一快速发展的领域动态。

MetaTransformer - 统一12种模态的多模态学习框架

GithubMeta-Transformer人工智能多模态学习开源项目深度学习计算机视觉

Meta-Transformer是一个创新的多模态学习框架，可处理12种不同模态的数据，包括自然语言、图像、点云和音频等。该框架采用共享编码器架构和数据到序列转换方法，支持分类、检测和分割等多种任务。项目提供开源预训练模型和代码实现，为多模态AI研究提供了有力支持。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com