Project Icon

pytorch_mgie

多模态大语言模型驱动的图像编辑指导系统

pytorch_mgie是一个基于多模态大语言模型的图像编辑指导系统,采用Apple开源的ml-mgie技术。该项目通过自然语言指令实现图像编辑,并提供Gradio演示界面展示LLaVA-7B模型在图像编辑任务中的应用。项目包含预训练模型和环境配置指南,为研究和开发提供了实验平台。

multimodal - PyTorch多模态模型开发框架
GithubPyTorchTorchMultimodal多模态模型开源项目机器学习深度学习
TorchMultimodal是基于PyTorch的多模态模型开发框架,提供模块化构建块和预训练模型,支持ALBEF、BLIP-2、CLIP等多种架构。该框架包含训练、微调和评估示例,可用于构建内容理解和生成模型。TorchMultimodal整合了PyTorch生态系统,便于研究人员复现和开发先进的多模态多任务模型。
imagen-pytorch - 文本到图像合成技术,基于Pytorch的Imagen实现
GithubImagenPytorchT5模型开源项目文本到图像神经网络
Google的Imagen是一种基于Pytorch实现的文本到图像神经网络,被视为此领域的新技术标杆。它采用简化的架构和优化的设计,例如级联DDPM、动态剪辑和内存高效的Unet设计。该项目在从文本转换成图像的合成过程中,表现出了相比DALL-E2的显著优势,为研究人员和开发者提供了实用的图像生成工具。
img-prompt - 图像提示词编辑工具 简化AI绘图创作过程
AI绘图DALL·EGithubMidjourneyStable Diffusion开源项目提示词编辑器
IMGPrompt是一个面向Stable Diffusion、Midjourney和DALL·E等AI绘图工具的提示词编辑器。它具有简洁的界面,提供提示词标签化、互动编辑和分类展示功能,便于用户组合提示词。工具完全本地化运行,支持中文显示,无需依赖外部服务,有效提升了AI绘图创作的效率。
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。
taggui - 高效智能的AI图像数据集标注应用
AI模型GithubTagGUI图像标签开源项目数据集创建自动生成标签
TagGUI是一款跨平台桌面应用,专为AI模型数据集制作而设计。该工具提供快速标记、标签自动完成和Stable Diffusion令牌计数等功能。支持CogVLM、LLaVA等模型的自动描述生成,并具备批量标签操作和高级图像过滤能力。TagGUI简化了图像标注流程,提高了AI数据集准备的效率。
MGM-7B - 基于LLaMA的开源多模态图文理解生成模型
GithubHuggingfaceMGM-7B人工智能图像理解多模态模型大语言模型开源项目模型
MGM-7B是基于LLaMA架构开发的多模态语言模型,通过Vicuna模型微调实现高清图像理解和生成能力。作为MGM系列的组成部分,该开源项目提供了从2B到34B多个参数规模版本,支持密集模型和MoE模型架构。模型使用多模态指令数据集训练,适用于计算机视觉和自然语言处理研究。
meshgpt-pytorch - 基于注意力机制的先进3D网格生成框架
3D建模GithubMeshGPT开源项目深度学习神经网络计算机图形学
MeshGPT-Pytorch是一个开源项目,专注于利用注意力机制实现3D网格生成。它基于PyTorch开发,支持可变长度面处理,并提供自动编码器和转换器模型。该项目计划引入文本条件控制功能,实现从文本到3D模型的转换。通过文本条件生成和分层转换器等高级特性,MeshGPT-Pytorch为3D内容创作和研究领域提供了先进的技术支持。
image-gpt - 支持多数据集的生成预训练模型
CIFAR10Fashion-MNISTGithubImage GPTPyTorch开源项目生成式预训练
Image GPT是一个基于生成像素预训练模型(Generative Pretraining from Pixels)的PyTorch实现,支持多种预训练模型和数据集。该项目允许下载预训练模型、量化图像、进行生成预训练和分类微调。它还具有BERT风格的预训练、支持加载OpenAI预训练模型等功能。目前,使用单个NVIDIA 2070 GPU可在Fashion-MNIST上实现高效训练,简化了多种图像数据集上的生成模型训练和应用流程。
GPT4Tools - 大语言模型自学使用多模态工具的创新系统
GPT4ToolsGithub多模态交互大语言模型开源项目自我指导视觉基础模型
GPT4Tools是基于Vicuna (LLaMA)的创新系统,通过71K自建指令数据实现对多个视觉基础模型的智能控制。该系统能自动决策和利用不同视觉模型,实现对话中的图像交互。项目支持通过自我指导和LoRA微调教授大语言模型使用工具,为图像相关需求提供高效解决方案。GPT4Tools的开源性和灵活性使其成为AI研究与应用的重要工具。
LLaVA - 提升大型语言与视觉模型的视觉指令调优
GPT-4GithubLLaVA多模态交互大型语言与视觉模型开源项目视觉指令调优
LLaVA项目通过视觉指令调优提升大型语言与视觉模型的性能,达到了GPT-4级别。最新更新包括增强版LLaVA-NeXT模型及其在视频任务上的迁移能力,以及高效的LMMs-Eval评估管道。这些更新提升了模型的多任务和像素处理能力,支持LLama-3和Qwen等不同规模的模型,并提供丰富的示例代码、模型库和数据集,方便用户快速上手和深度研究。
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