Project Icon

DALLE-pytorch

文本到图像转换的先进实现

基于OpenAI的DALL-E以及CLIP技术,DALLE-pytorch是一种开源的AI解决方案,可将文本高效转化为图像。该工具在Pytorch框架下开发,支持包括OpenAI预训练的VAE在内的多种训练模式。DALLE-pytorch不仅采用了深度可逆网络和稀疏注意力技术,而且提供了高灵活性和可扩展性,适合多种数据集。

kandinsky-2-1-prior - 先进的文本到图像扩散模型
AI绘图GithubHuggingfaceKandinsky 2.1图像编辑开源项目文本生成图像机器学习模型模型
Kandinsky 2.1是一款结合DALL-E 2和潜在扩散技术的文本条件扩散模型。它采用CLIP模型进行文本和图像编码,并在CLIP模态的潜在空间中引入扩散图像先验,大幅提升了视觉效果。该模型支持文本到图像生成、图像到图像转换、图像修复和插值等多种应用,为图像混合和文本引导的图像操作开辟了新的可能性。
EVA - 推进大规模视觉表示学习的前沿
CLIPEVAGithub多模态学习开源项目自监督学习视觉表示
EVA是北京智源人工智能研究院开发的视觉表示学习模型系列。它包括多个子项目,如EVA-01和EVA-CLIP,致力于探索大规模掩码视觉表示学习的极限和改进CLIP训练技术。这些模型在主流平台上提供,为计算机视觉研究提供了有力支持。EVA项目涵盖基础模型、自监督学习和多模态学习等前沿领域。
EasyCV - 基于PyTorch的全能计算机视觉工具箱,支持自监督学习和Transformer模型
EasyCVGithubPyTorch图像分类开源项目目标检测自监督学习
EasyCV是基于PyTorch的全能计算机视觉工具箱,专注于自监督学习、Transformer模型和主要视觉任务,包括图像分类、度量学习、目标检测和姿态估计。该工具箱提供了最先进的自监督算法如SimCLR、MoCO V2、Swav、DINO和基于掩码图像建模的MAE。它拥有简单综合的推理接口,并支持多种预训练模型。EasyCV支持多GPU和多工作者训练,利用DALI优化数据处理,使用TorchAccelerator和fp16加速训练,并通过PAI-Blade优化推理性能。
pytorch-animeGAN - 基于PyTorch的轻量级GAN实现 快速将照片转换为动漫风格
AnimeGANGithub人工智能图像风格转换开源项目深度学习计算机视觉
pytorch-animeGAN是AnimeGAN的PyTorch实现,能够快速将真实照片转换为动漫风格。项目提供Hayao、Shinkai和Arcane等多种预训练模型,支持使用预训练模型进行推理或在自定义数据集上训练。除了图像转换,还支持视频转换和批量处理,并集成色彩迁移模块以保留原始图像颜色。该开源项目为开发者和研究人员提供了便捷的动漫风格转换工具。
DiffusionGPT - LLM驱动的多功能文本转图像生成系统
DiffusionGPTGithub人工智能图像生成大语言模型开源项目文本生成图像
DiffusionGPT是一个利用大型语言模型(LLM)的文本到图像生成系统。该系统能适应多种类型的提示,并整合专业领域模型。DiffusionGPT通过LLM技术,提供了一个统一的生成平台,可处理多样化的输入并生成图像。项目提供开源代码、在线演示和使用指南,方便研究人员和开发者进行实验和应用。
Canvas - 为Mac用户提供的DALL·E图像生成与编辑开源工具
CanvasDALL·E 3GithubOpenAI APImacOS 14.0开源开源项目
Canvas是一款适用于Mac的开源工具,支持使用DALL·E 2和DALL·E 3生成和编辑图像。工具具备图像编辑与变体功能(目前仅支持DALL·E 2),并提供生成图像的复制、保存和分享功能。需要macOS 14.0及以上版本和OpenAI API密钥。
DeepFloyd IF - 突破性的开源文本到图像AI模型
AI工具AI绘图DeepFloyd IF开源模型扩散模型文本生成图像
DeepFloyd IF是一款开源的文本到图像生成AI模型,采用冻结文本编码器和三级级联像素扩散模块架构。该模型在COCO数据集上实现6.66的零样本FID分数,生成的图像逼真度高且具备语言理解能力。DeepFloyd IF支持梦境生成、风格迁移、超分辨率和图像修复等多项功能,展现了大型UNet架构在级联扩散模型中的潜力,为文本到图像合成技术的发展提供了新方向。
seemore - PyTorch实现的开源视觉语言模型项目
AIGithubPytorchVision Language Model图像处理开源项目机器学习
seemore是一个基于PyTorch的开源视觉语言模型(VLM)项目。它包括图像编码器、视觉-语言投影器和解码器三个核心组件,参考了CLIP和LLaVA等前沿VLM架构。项目提供完整代码实现和详细教程,有助于开发者理解VLM原理。seemore在Databricks平台开发,支持GPU加速,并集成MLFlow用于实验管理。
stable-diffusion-xl-base-1.0 - 先进的AI文本转图像生成模型,实现高质量图像创作
AI绘图GithubHuggingfaceSDXLStable Diffusion开源项目扩散模型文本生成图像模型
Stable Diffusion XL 1.0基础模型是一款开源的AI文本转图像工具,采用潜在扩散技术,能根据文字描述生成高质量图像。该模型性能显著提升,适用于艺术创作、教育和研究等领域。它支持多种框架,为开发者提供灵活的应用选择。作为开源项目,它展现了AI图像生成的最新进展,不仅能创建高质量图像,还支持图像修改功能。
DCLGAN - 无监督图像转换的双重对比学习方法 实现更真实几何变换
DCLGANGithub图像转换对比学习开源项目无监督学习生成对抗网络
DCLGAN是一种新型无监督图像到图像转换模型,采用双重对比学习方法。相比CycleGAN,它能实现更真实的几何变换;相比CUT,具有更高的稳定性和性能。DCLGAN适用于多种图像转换任务,如猫狗互换和马斑马互换。项目提供了预训练模型和使用指南,便于研究者进行实验和评估。
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