Project Icon

V-Express

渐进式训练提升肖像视频生成质量

V-Express项目提出条件性丢弃新方法,实现肖像视频生成的渐进式训练。该方法平衡不同控制信号强度,增强音频等弱信号作用,同时考虑姿态、图像和音频,生成高质量肖像视频。项目优化内存使用,支持长视频生成,提供多种重定向策略,适用不同场景。开源代码和模型可供学术及商业用途,但使用时需遵守相关法规。

RAVE - 基于扩散模型的高效视频编辑技术
CVPRGithubRAVE开源项目扩散模型视频编辑零样本
RAVE是一种基于预训练文本到图像扩散模型的视频编辑技术,无需额外训练即可实现高质量视频编辑。通过创新的噪声重排策略,RAVE提高了视频的时间一致性和处理效率。它支持从局部属性调整到形状变换等多种编辑类型,并可处理任意长度的视频。在多种编辑场景中,RAVE展现出优于现有方法的性能,为视频创作提供了高效灵活的解决方案。
InternVideo - 视频基础模型助力多模态理解进展
GithubInternVideo多模态理解开源项目模型更新视频基础模型视频文本数据集
InternVideo项目致力于开发通用视频基础模型,提升多模态视频理解能力。项目包含InternVideo和InternVideo2两个主要版本,以及大规模视频-文本数据集InternVid。InternVideo2采用生成式和判别式学习方法,在多模态视频理解任务中表现突出。项目不断更新,提供多种规模的模型和丰富的视频注释数据,为研究和开发提供有力支持。
MDT - MDTv2图像合成模型:更快收敛和卓越性能
GithubMasked Diffusion Transformer人工智能图像合成开源项目深度学习计算机视觉
MDTv2是一种先进的深度学习图像合成模型,在ImageNet数据集上实现了1.58的FID分数,创造新的业界标准。该模型采用掩码潜在建模技术,提高了图像语义理解能力,学习速度比先前模型快10倍以上。MDTv2在图像生成质量和训练效率方面都有显著提升,为计算机视觉和人工智能领域带来了新的可能性。
generative-models - SV4D与SV3D一类的创新模型
GithubSDXL-TurboSV3DSV4D开源项目热门稳定AI视频合成
Generative Models项目展示了多个创新模型如SV4D与SV3D,专注于视频到4D扩散建模和图像到视频的多视角合成,旨在提供高分辨率和时间连贯性的研究工具。最新技术报告和视频概览现已发布,支持通过简单的脚本和快速入门指南直接体验模型效果,适用于研究及教育用途。
FRESCO - 基于空间-时间对应的零样本视频转换技术
FRESCOGithub开源项目时空对应稳定扩散视频转换零样本学习
FRESCO是一种新型零样本视频转换技术,通过建立空间-时间约束来实现跨帧内容的一致转换。该方法结合帧内和帧间对应关系,对特征进行更新以保持与输入视频的一致性。FRESCO无需训练即可使用,兼容现有模型,能生成高质量连贯的视频,性能超过其他零样本方法。
VPGTrans - 低成本跨语言模型迁移的视觉提示生成器VPGTrans指南
GithubVL-LLMVL-LLaMAVL-VicunaVPGTrans开源项目视觉提示生成器
VPGTrans框架通过迁移视觉提示生成器,显著降低大语言模型的资源消耗和训练数据需求。该项目包括VL-LLaMA和VL-Vicuna两阶段训练方法,并详细介绍了安装、评估和训练步骤,由新加坡国立大学和清华大学的研究人员开发。
RealVisXL_V5.0_Lightning - 超写实AI图像生成模型
GithubHuggingfaceRealVisXL人工智能图像生成开源项目模型模型训练生成AI
RealVisXL_V5.0_Lightning是一款专注于超写实图像生成的AI模型。它支持创建高质量的SFW和NSFW图像,具备卓越的细节表现和自然效果。模型提供了优化的负面提示词和生成参数建议,有助于用户获得理想输出。该模型目前可在Mage.Space平台上使用,为创作者提供强大的图像生成工具。
RealVisXL_V5.0 - 面向真实摄影效果的AI图像生成模型
AI绘图GithubHuggingfaceMage.SpaceNovaXLParagonXL图像生成开源项目模型
RealVisXL_V5.0是一个致力于写实图像生成的AI模型,支持SFW和NSFW内容创作。模型采用DPM++ SDE Karras和DPM++ 2M Karras采样方法,集成了高分辨率修复功能,可进行1.1-1.5倍图像放大。通过优化的负面提示词和参数配置,能够生成具有真实感的图像作品。
ddpm-celebahq-256 - 高效的无条件图像生成与渐进解压的新型扩散模型
DDPMGithubHuggingface图像合成图像降噪开源项目无条件图像生成模型深度学习
本项目使用去噪扩散概率模型,实现了高质量的图像合成,借鉴了不平衡热力学,创新性地结合了变分界限和去噪评分匹配,并通过Langevin动力学实现渐进的解压缩。模型在CIFAR10数据集上取得了9.46的Inception得分和3.17的最新FID得分,在256x256 LSUN上样本质量与ProgressiveGAN相近。推理中可使用离散噪声调度器如ddpm、ddim或pndm,ddim和pndm在速度和质量上表现出色。项目支持用户自主训练模型,并提供官方示例用于推理和训练。
control_v11e_sd15_ip2p - 更好地控制扩散模型的图像处理能力
ControlNetGithubHuggingface图像生成开源项目扩散模型条件输入模型稳态扩散
本项目利用ControlNet v1.1提供了一种神经网络结构,能够通过附加条件控制预训练的大型扩散模型,与Stable Diffusion兼容。其支持指令化像素到像素的控制,通过边缘图、分割图和关键点等条件输入丰富图像生成方式。即便在小规模数据集下,ControlNet也能在个人设备上快速训练,相关源码及文档可在HuggingFace平台获取,适用于多种图像生成任务,提升图像处理灵活性。
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