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。

访问官网

VisualGLM-6B - 一个具备处理图像、中文和英文的能力的开源多模态对话语言模型

GithubVisualGLM-6B图像描述多模态对话模型开源开源项目微调

VisualGLM-6B是一个开源多模态对话语言模型，具备处理图像、中文和英文的能力。该模型继承自强大的ChatGLM-6B基础，增添了6.2亿参数，整合了先进的BLIP2-Qformer技术，达到了语言和视觉数据的高效融合。模型总参数量为7.8亿，展现在多个核心多模态任务上的卓越效能。针对各种应用场景均进行了优化，支持在消费级显卡上运行，降低了使用门槛，拓展了其在学术研究和实务应用中的潜力。

visualglm-6b - 中英文图像交互的多模态对话模型

GithubHuggingfaceVisualGLM-6B图像生成多模态对话开源项目模型语言模型预训练

VisualGLM-6B是一个多模态对话模型，支持中文、英文和图像交互。基于ChatGLM-6B，有78亿参数，通过BLIP2-Qformer桥接视觉和语言模型。此模型使用CogView数据集进行预训练，并在长视觉问答数据上微调，以生成符合人类偏好的回答。用户可用Python代码简便调用模型，同时提供命令行、网页示例及模型量化的详细说明。

awesome-llm-and-aigc - 大型语言模型、视觉基础模型及人工智能生成内容的关键项目、数据集和应用合集

AI Generated ContentGithubLarge Language Model应用开发平台开源项目数据集神经网络架构

awesome-llm-and-aigc项目整合了大型语言模型、视觉基础模型及人工智能生成内容的关键项目、数据集和应用。项目涵盖了神经网络架构、多种语言和视觉模型的开发实现，到具体的应用平台，为研究人员和开发者提供全面资源。适合寻找最新的行业动态、学习资源和社区交流的技术人员和爱好者。通过加入关键词如'开源', 'AI技术', '整合'，进一步提高SEO优化效率。

DragDiffusion - 基于扩散模型的交互式图像编辑工具

DragDiffusionGithub交互式人工智能图像编辑开源项目扩散模型

DragDiffusion结合扩散模型和交互式编辑，允许用户通过拖拽操作修改图像。支持真实和生成图像编辑，集成LoRA训练、自定义VAE和FreeU技术，提高编辑质量和效率。这个研究项目为图像处理提供了新的方法和工具。

py-gpt - 多功能桌面AI助手，支持多模式与模型集成

DALL-E 3GPT-4GithubLangchainOpenAI APIPyGPT开源项目

PyGPT是一款桌面AI助手，提供与OpenAI语言模型GPT-4、GPT-4 Vision和GPT-3.5的直接互动，并通过Langchain集成其他LLMs。支持对话、生成、辅助和图像处理等多种功能，使用DALL-E 3进行图像生成，利用GPT-4 Vision进行图像分析。支持文件系统操作、Python代码生成和执行、系统命令、电文语音合成和识别，集成微软Azure、Google、Eleven Labs和OpenAI的服务。多模态插件支持，适用于文本交互、系统自动化、日常辅助、视觉应用和代码生成。

Awesome-LLMs-meet-Multimodal-Generation - 大语言模型与多模态生成编辑技术综述

GithubLLM图像生成多模态生成开源项目视频生成语音生成

本项目综述了大语言模型在多模态生成和编辑领域的应用。涵盖图像、视频、3D和音频等多种模态，重点介绍基于大语言模型的技术。同时探讨多模态代理、理解和安全性问题。为研究人员提供全面资源，展示大语言模型在多模态内容创作中的最新进展。

Forgedit - 基于学习和遗忘的文本引导图像编辑方法

ForgeditGithub图像编辑开源项目扩散模型文本引导深度学习

Forgedit是一种新型文本引导图像编辑方法，采用视觉-语言联合优化框架，能在30秒内重建原始图像。该方法在扩散模型的文本嵌入空间中引入向量投影机制，实现身份相似度和编辑强度的独立控制。Forgedit还提出了新的遗忘机制，解决了在单图像上微调扩散模型时的过拟合问题。基于Stable Diffusion构建的Forgedit在TEdBench基准测试中表现优异，CLIP评分和LPIPS评分均超过了之前的最佳方法。

LLM-groundedDiffusion - 优化文本到图像合成的提示理解能力

GPT-4GithubHuggingFaceLLM-grounded DiffusionStable DiffusionTMLR开源项目

本项目通过将大型语言模型（LLM）与文本到图像扩散模型结合，提高了提示理解能力。LLM负责解析文本请求，生成中间表示如图像布局，最终通过稳定扩散模型生成高质量图像。项目支持多种生成方法和开源模型，用户可自行设置实现自托管，从而节约API调用成本。项目更新频繁，包括支持高分辨率生成和集成SDXL精炼器等功能。

pytorch-animeGAN - 基于PyTorch的轻量级GAN实现快速将照片转换为动漫风格

AnimeGANGithub人工智能图像风格转换开源项目深度学习计算机视觉

pytorch-animeGAN是AnimeGAN的PyTorch实现,能够快速将真实照片转换为动漫风格。项目提供Hayao、Shinkai和Arcane等多种预训练模型,支持使用预训练模型进行推理或在自定义数据集上训练。除了图像转换,还支持视频转换和批量处理,并集成色彩迁移模块以保留原始图像颜色。该开源项目为开发者和研究人员提供了便捷的动漫风格转换工具。

rcg - RCG框架实现突破性无条件图像生成性能

GithubPyTorchRCG图像生成开源项目神经网络自监督学习

RCG是一种创新的自监督图像生成框架，在ImageNet 256x256数据集上达到了无条件图像生成的最佳性能。该框架缩小了无条件和有条件图像生成之间的性能差距。项目提供基于PyTorch的GPU实现，包含表示扩散模型(RDM)以及MAGE、DiT、ADM和LDM等多种像素生成器的训练和评估代码。同时提供预训练模型和可视化工具，便于研究人员复现和拓展相关工作。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com