Project Icon

video-diffusion-pytorch

开源项目实现文本到视频生成新突破

video-diffusion-pytorch项目实现了基于扩散模型的文本到视频生成技术。该开源项目采用时空分解U-net结构,将2D图像生成扩展至3D视频领域。支持文本条件生成、BERT编码和批量训练等功能。目前在移动MNIST数据集上表现良好,为研究人员和开发者提供了探索视频生成新前沿的工具。该技术有望在复杂视频生成任务中取得进展。

lutDiffusion_v09Beta - LUT与Stable Diffusion结合的图像生成技术
GithubHuggingfaceLUT-Diffusion开源项目技术热点文字转图像模型稳定扩散
此开源项目融合Stable Diffusion与色彩查找表(LUT)技术,作为一款文本到图像生成工具。通过Huggingface的API,用户能够进行色彩转换,生成复古风格的高质量影像。该工具在图像生成中展现出良好的应用潜力,适用于艺术创作与商业设计。
stable-diffusion-v1-4 - 先进的AI文本转图像模型
GithubHuggingfaceStable Diffusion人工智能开源项目扩散模型文本生成图像模型深度学习
Stable Diffusion v1-4是一个基于潜在扩散技术的AI模型,能将文本描述转化为高质量图像。它结合自动编码器和CLIP文本编码器,在大规模数据集上训练,可生成多样化的写实和艺术风格图像。该模型为研究人员和创意工作者提供了新的视觉创作工具,开启了AI辅助艺术创作的可能性。但值得注意的是,模型存在一些局限性,如无法生成可读文本,且在复杂组合任务上表现不佳。
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。
diffusion-forcing - 创新机器学习方法结合下一步预测和全序列扩散技术
Diffusion ForcingGithub开源项目模型训练深度学习视频预测迷宫规划
Diffusion Forcing是一种结合下一步预测和全序列扩散技术的机器学习方法。该项目为视频预测、迷宫规划和时间序列分析等任务提供了框架。通过时间注意力机制,Diffusion Forcing可生成长序列预测并在复杂环境中进行规划。该方法在Minecraft和DMLab视频数据集以及迷宫规划任务中表现优异。项目包含使用说明和预训练模型,便于研究者快速上手和复现结果。
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。
CogVideoX-2b - 轻量级开源视频生成模型支持低显存推理
CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成
CogVideoX-2B是一个基于扩散模型的开源视频生成工具。该模型可将文本描述转化为6秒长、720x480分辨率、8帧/秒的视频。其最低仅需4GB显存即可运行,通过INT8量化还可进一步降低资源消耗。作为入门级选择,CogVideoX-2B在性能和资源使用间取得平衡,适合进行二次开发。模型目前支持英文输入,并提供多种优化方案以提升推理速度和降低显存占用。
AnimateDiff-Lightning - 十倍速文本到视频生成模型
AnimateDiff-LightningComfyUIGithubHuggingface人工智能开源项目扩散模型文字转视频模型
AnimateDiff-Lightning是一款高速文本到视频生成模型,比原始AnimateDiff快10倍以上。该模型提供1步、2步、4步和8步蒸馏版本,兼容Diffusers和ComfyUI框架。它在写实和动漫风格基础模型上表现出色,可与Motion LoRAs结合增强动态效果。此外,AnimateDiff-Lightning还支持视频到视频转换,扩展了创作者的制作选择。
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。
text2video - 文本转视频工具,实现小说可视化阅读
DockerGithubedge-ttshuggingfacestable-diffusion开源项目文本转视频
text2video 是一款将文本转换为视频的开源工具,支持小说等文本的可视化阅读。通过分段文本生成图片和语音,并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术,支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词,利用 huggingface 的开源模型和 ffmpeg 进行音视频合成,操作简便,效果显著。
DiffSynth-Studio - 多功能扩散模型引擎 支持长视频合成与图像生成
AI绘画DiffSynth StudioGithub图像合成开源项目扩散模型视频生成
DiffSynth Studio是一款开源的扩散模型引擎,整合了ExVideo、Stable Diffusion 3和Kolors等多种AI模型。该引擎支持长视频合成、高分辨率图像生成、卡通渲染和视频风格化等功能。项目持续更新,重点探索扩散模型在视频合成领域的应用潜力。
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