Project Icon

DMD2

改进分布匹配蒸馏的快速图像合成技术

DMD2是一种改进的分布匹配蒸馏技术,用于快速图像合成。通过消除回归损失、集成GAN损失和支持多步采样,该技术显著提升了图像生成的质量和效率。在ImageNet-64x64和COCO 2014数据集上,DMD2的FID评分超越原始模型,同时将推理成本降低500倍。此外,DMD2还能生成百万像素级图像,在少步方法中展现出卓越的视觉效果。

multidiffusion-upscaler-for-automatic1111 - 生成与图像放大技术,适用于低显存环境
ControlNetDemofusionGithubTiled DiffusionVAEsd-webui开源项目
通过瓦片扩散与VAE技术,该扩展支持在有限显存条件下生成或放大超大图像(≥2K)。主要功能包括瓦片VAE、瓦片扩散、区域提示控制和噪声反演,并兼容ControlNet、StableSR和SDXL等高级功能。项目免费开放使用和修改,自2023.3.28起代码不得用于商业贩售。访问wiki页面获取更多详细文档和教程。
GaussianDreamer - 通过桥接 2D 和 3D 扩散模型从文本快速生成到 3D 高斯
2D扩散模型3D扩散模型3D生成CVPR 2024GaussianDreamerGithub开源项目
本文客观介绍了通过整合2D和3D扩散模型的快速3D对象生成框架GaussianDreamer。3D扩散模型提供初始几何信息,而2D扩散模型则增强了其几何和外观。GaussianDreamer在单个GPU上可在15分钟内生成高质量的3D实例,比现有方法更快。生成的3D实例支持实时渲染,可方便地整合到动画和仿真管道中。
stable-diffusion-3-medium-diffusers - 先进的文本生成图像技术
AI绘图GithubHuggingfaceMMDiTStable Diffusion 3开源项目文本生成图像模型非商业用途
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技术。该模型在图像质量、文字渲染和复杂提示理解方面表现出色,同时提高了资源使用效率。它使用三个预训练文本编码器,能够根据文本描述生成高质量图像。该模型开放非商业研究用途,并提供商业授权选项。
MIGC - 利用MIGC实现多实例文本生成图像
CVPR2024GithubMIGC多实例生成开源项目文本生成图像稳定扩散
MIGC项目的多实例生成控制器提升了文本生成图像的多样性和质量,包含COCO-MIG基准测试、在线Colab演示等资源。MIGC提升了属性控制,通过更换不同生成器权重,实现高质量和多样化图像生成。最新Consistent-MIG算法优化迭代编辑功能,保持未修改区域一致性并增强修改实例的一致性。此项目由浙江大学的ReLER实验室和华为监督。
awesome-ai-art-image-synthesis - AI图像生成与提示工程工具集合
AI ArtDalle2GithubMidJourneyPrompt EngineeringStableDiffusion开源项目
全面介绍Dalle2、MidJourney、StableDiffusion等AI图像生成工具和技术。提供适合初学者和高级用户的实用工具、提示和技巧,以及丰富的资源,包括商业和开源模型、提示工程工具、后处理工具和社区支持。无论是了解如何使用这些工具生成图像,还是寻找灵感和学习资源,这里都能满足需求。
MS-Diffusion - 基于布局引导的多主体零样本图像个性化框架
GithubMS-Diffusion图像生成多主题个性化布局引导开源项目零样本学习
MS-Diffusion是一个多主体零样本图像个性化框架,利用布局引导技术提高生成质量。该框架通过接地令牌和特征重采样器保持细节保真度,并引入多主体交叉注意力机制协调主体组合。实验显示,MS-Diffusion在图像和文本保真度方面表现优异,有助于推进个性化文本到图像生成技术的发展。
StreamMultiDiffusion - 基于区域语义控制的实时交互式图像生成
GithubStable Diffusion 3StreamMultiDiffusion实时生成开源项目文本到图像语义控制
StreamMultiDiffusion 提供基于区域语义控制的实时交互式图像生成。该项目支持细粒度区域控制、分离提示和实时图像修复,能够显著降低生成延迟,适用于大尺寸图像的高效创作及全景生成等应用。
PixArt-XL-2-512x512 - 快速生成高分辨率图像的高效能模型
GithubHuggingfacePixart-α开源项目扩散模型文本到图像模型深度学习生成模型
PixArt-α是一个基于Transformer架构的文本到图像生成框架,能够从文本提示生成高分辨率图像,最高可达1024像素。相比于Stable Diffusion v1.5,其训练时间仅为10.8%,大幅降低成本与碳排放。用户偏好评估显示,PixArt-α在实现效率与图像质量方面表现卓越,适用于艺术创作、教育用途及生成模型研究。但需要注意的是,其在图像还原现实性和复杂任务的执行上尚有局限。查看其GitHub或arXiv以了解更多细节。
kandinsky-2-2-decoder - 基于CLIP和扩散技术的开源图像生成模型
CLIPGithubHuggingfaceKandinsky 2.2图像生成开源项目扩散模型文本到图像模型
Kandinsky 2.2采用CLIP和潜在扩散技术架构,结合Dall-E 2与Latent Diffusion的技术优势。模型具备文本生成图像、图像转换及图像插值等功能,支持生成1024x1024分辨率图像。在COCO_30k数据集评测中,模型FID评分达8.21。该项目完全开源,为图像生成领域提供了新的技术方案。
BK-SDM - 高效轻量的Stable Diffusion压缩模型
AI绘图GithubStable Diffusion图像生成开源项目模型压缩知识蒸馏
BK-SDM是一种压缩版Stable Diffusion模型,通过移除U-Net中的部分模块实现轻量化。该模型采用有限数据进行蒸馏预训练,适用于SD v1和v2各版本,提供基础、小型和微型三种规模。BK-SDM在保持图像质量的同时,显著提高了推理速度,降低了计算资源需求,为高效文本到图像生成提供了新选择。
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