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。

stable-diffusion-2 - 高分辨率文本到图像生成模型
AI绘图GithubHuggingfaceStable Diffusion开源项目文本生成图像机器学习模型深度学习
Stable Diffusion v2是一款基于潜在扩散模型的文本到图像生成工具,支持768x768高分辨率输出。该模型采用OpenCLIP-ViT/H文本编码器,在LAION-5B数据集上训练而成。它提供多个预训练检查点,包括基础模型、深度条件模型和放大模型,适用于艺术创作、设计和研究等领域。Stable Diffusion v2在图像生成质量和多样性方面有显著提升,为AI图像创作提供了新的可能。
VideoElevator - 融合文本到图像技术提升AI视频生成质量
GithubVideoElevator开源项目扩散模型文本到图像文本到视频视频生成
VideoElevator是一个开源的AI视频生成项目,通过结合文本到图像和文本到视频的扩散模型来提升生成视频的质量。该项目采用免训练、即插即用的方法,将视频生成过程分为时间运动细化和空间质量提升两个阶段。VideoElevator能在11GB以下显存的GPU上运行,支持多种扩散模型的协作,为高质量AI视频生成提供了新的解决方案。
kandinsky-2-2-decoder-inpaint - Kandinsky 2.2的文本引导图像修复及生成新方法
CLIP模型GithubHuggingfaceKandinsky 2.2图像合成开源项目扩散模型文本到图像模型
Kandinsky 2.2结合Dall-E 2和潜在扩散技术,融入CLIP模型进行文本与图像编码,并实现跨CLIP模态空间的图像扩散映射,提升视觉表现力。支持文本引导的图像修复,并整合于diffusers库。用户可通过修改掩码格式进行编辑。本版本在解析性能上进行了优化,在COCO_30k数据集的零样本测试中表现出色,FID指标显示显著提升。
ReplaceAnything - 先进的AI图像替换工具 实现精准内容编辑
AI绘图GithubReplaceAnything内容替换图像编辑开源项目深度学习
ReplaceAnything是一个开源的AI图像替换工具,支持服装、背景、人物等多种元素的精准替换,同时保持遮罩区域完整。该项目由阿里巴巴智能计算研究院开发,现已在HuggingFace和ModelScope平台发布演示版本。ReplaceAnything为图像编辑提供了新的可能,展现了AI在内容创作领域的潜力。
ALLaVA - GPT4V合成数据集助力轻量级视觉语言模型训练
ALLaVAGPT-4VGithub开源项目微调数据集视觉语言模型
ALLaVA项目推出大规模GPT4V合成数据集,旨在促进轻量级视觉语言模型的训练。项目发布了ALLaVA-Phi3-mini-128k、ALLaVA-StableLM2-1_6B和ALLaVA-Phi2-2_7B等多个模型版本,可直接从Hugging Face仓库加载。ALLaVA-4V数据集整合了LAION和Vision FLAN的图像标注与指令数据,以及GPT-4-Turbo生成的文本指令,总样本量超过140万。这一资源为视觉语言模型研究提供了丰富的训练数据和预训练模型,有望推动该领域的进一步发展。
Awesome-Text-to-Image - 全面收录文本到图像生成与编辑技术资源
AI绘画Github开源项目文生图深度学习自然语言处理计算机视觉
项目汇集了文本到图像生成与编辑技术的各类资源,包括定量评估指标、训练数据集、开源代码实现及相关学术论文。内容全面且持续更新,涵盖该领域最新进展,可为研究人员和开发者提供有价值的参考信息。
DLTA-AI - AI赋能的数据标注、追踪和注释工具
DLTA-AIGithub分割模型开源项目数据标注机器学习目标跟踪
一款集成先进计算机视觉模型的工具,简化图像数据集创建,支持零样本分割和目标跟踪,提供多种模型选择与自定义导出格式,无缝结合Labelme,提升标注效率。
Photon_v1 - 基于Stable Diffusion的创新文本转图像模型
AI绘图GithubHuggingfacePhotonStable Diffusion图像生成开源项目模型
Photon_v1是基于Stable Diffusion技术的文本到图像生成模型。它可将文字描述转化为视觉图像,适用于创意设计、内容创作、数字艺术等多样化场景。该模型已部署在Hugging Face平台,支持在线推理功能,为用户提供便捷的图像生成体验。Photon_v1具有高效的文本理解能力和图像渲染质量,能够满足各种复杂的图像生成需求。
2txt - 基于Vercel AI SDK的高效图像文本转换工具
Anthropic APIClaudeGithubNext.jsVercel AI SDK图像转文字开源项目
2txt是一个基于Vercel AI SDK、Claude和Next.js开发的图像转文本工具。该开源项目可快速将图像内容转换为文本,支持自部署和二次开发。项目提供了详细的开发指南,方便开发者进行定制和扩展。
HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解
GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像
HunyuanDiT是一个多分辨率扩散变换器模型,具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码,通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话,可根据上下文生成和优化图像。经专业评估,该模型在中文到图像生成方面达到开源模型的先进水平。
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