Project Icon

Generative-AI

多模态图像合成与编辑技术及其分类

该项目附有一篇综述论文,全面分析了多模态图像合成与编辑(MISE)和视觉AIGC的发展情况,并根据数据模态和模型架构进行了分类研究。通过此项研究,科研人员和技术开发者可以深入了解神经渲染、扩散方法、自回归方法及对抗生成网络(GAN)等不同技术及其应用,帮助更好地掌握多模态图像合成技术的前沿进展与实际应用。

OpenAI-CLIP - 从零开始实现CLIP模型:探索文本与图像的多模态关联
CLIPGithubOpenAI图像编码器多模态开源项目文本编码器
本项目实现了CLIP模型,基于PyTorch进行开发,通过训练文本和图像数据,探索其相互关系。详细的代码指南和实用工具展示了模型在自然语言监督任务中的表现和实际应用,适合多模态学习的研究者和开发者使用。
Awesome-MIM - 掩码图像建模在自监督表示学习中的应用与发展
GithubMasked Image ModelingTransformer开源项目深度学习自监督学习计算机视觉
该项目汇总了掩码图像建模(MIM)及相关的自监督学习方法。涵盖了从2008年以来的主要自监督学习研究,并展示了其在自然语言处理和计算机视觉领域的发展历程和关键节点。所有内容按时间顺序排列并定期更新,包括相关论文、代码和框架的详细信息,旨在帮助研究者深入理解和应用MIM方法。欢迎贡献相关文献或修正建议。
Awesome-Multimodal-Prompts - GPT-4V多模态提示词集锦 助力视觉AI应用开发
DALL·E 3GPT-4VGithubMultimodal Prompts图像生成多模态AI开源项目
Awesome-Multimodal-Prompts收录了针对GPT-4V的多模态提示词集合,包括图像识别、视频理解和代码生成等领域的实用示例。这些提示词展示了GPT-4V的视觉分析能力,可用于图像到文本的智能转换,为多模态AI应用开发提供参考。该项目汇集的提示词示例有助于开发者探索和利用GPT-4V的多模态功能。
Emu - 多模态AI模型 图像文本智能生成的新突破
EmuGithub多模态模型开源项目生成式人工智能自然语言处理视觉感知
Emu是BAAI开发的先进多模态生成模型系列,包括入选ICLR 2024的Emu1和CVPR 2024的Emu2。这些模型展示了卓越的多模态理解和生成能力,能在复杂环境中无缝生成图像和文本。Emu在图像描述、视觉问答等任务中表现优异,超越了许多现有模型。作为通用基础模型,Emu适用于广泛的应用场景,如智能创作、视觉分析等,代表了AI技术的新发展方向。BAAI开源Emu旨在推动多模态智能研究的进步,为下一代AI技术发展铺平道路。
ThemeStation - 新颖的主题感知3D生成方法
3D资产生成AI图像生成GithubSIGGRAPHThemeStation主题一致性开源项目
ThemeStation提出了一种新颖的主题感知3D生成方法。该方法采用两阶段框架,首先生成概念图像,然后进行参考信息指导的3D建模,以创建主题一致且多样化的3D资产。通过创新的双重分数蒸馏损失,ThemeStation有效利用输入示例和合成概念图像的先验知识。实验结果显示,该方法在生成高质量、多样化的主题感知3D模型方面表现优异,并可应用于可控3D-to-3D生成等多个场景。
AbsoluteReality_v1.8.1 - 先进的逼真AI图像生成模型
AI绘画CivitAIGithubHuggingfaceStable Diffusion人工智能艺术开源项目文本生成图像模型
AbsoluteReality_v1.8.1是一个开源的AI图像生成模型,专注于创建高度逼真的视觉内容。该模型能够生成细节丰富的人物肖像、动物和场景图像,特别擅长呈现精细的盔甲、毛发纹理和机甲装备。AbsoluteReality_v1.8.1适用于多种创作场景,包括中世纪风格人物、自然动物照片和科幻主题插图。这一工具为数字艺术创作者提供了生成高质量、真实感强的视觉素材的能力。
Awesome-Video-Diffusion - 人工智能视频生成与编辑技术资源大全
AI视频Github开源项目扩散模型文本到视频视频生成视频编辑
本文汇集了视频生成、编辑、修复和理解领域的最新扩散模型研究。内容包括开源工具箱、基础模型、评估基准和指标等。涵盖基础视频生成、可控生成、长视频生成、3D视频生成等多个方向,为视频AI技术研究和开发提供全面参考。
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。
Mantis - 基于LLaMA-3的先进多图像理解AI模型
GithubLLaMA-3Mantis人工智能多图像指令调优大型多模态模型开源项目
Mantis是基于LLaMA-3的大型多模态模型,专注于多图像视觉语言任务。通过在Mantis-Instruct数据集上进行36小时的指令微调,该模型在5个多图像基准测试中实现了领先性能。Mantis能处理交错的文本和图像输入,有效应对复杂多图像任务,同时保持出色的单图像处理能力。项目开源了代码、模型和演示,为AI研究和开发提供了强大的多图像处理工具。
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