Project Icon

wuerstchen-prior

文本驱动的图像生成 极致压缩实现高效推理

Würstchen项目采用创新的两阶段压缩方法,实现了高达42倍的空间压缩,显著降低了文本到图像的生成成本。初步压缩由VQGAN完成,随后扩散自编码器进一步优化。关键的Stage C在小型潜空间中高效运行,适应高分辨率图像如2048x2048,仍保持对计算资源的低需求。使用固定预训练的文本编码器CLIP ViT-bigG/14,该模型能够经济高效地产生基于文本提示的高质量图像。

text2image-prompt-generator - 基于GPT-2的文本到图像提示生成器
AI绘图GPT-2GithubHuggingfaceMidjourney开源项目提示词生成文本转图像模型
这是一个基于GPT-2模型的文本到图像提示生成器,通过250,000条Midjourney用户提示进行微调。该模型可为DALL·E等各种文本到图像系统自动完成提示,支持特定参数和权重设置,实现对生成图像的精确控制。它为创作者提供了有效使用文本到图像技术的工具,适用于各种图像生成场景。
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。
ProFusion - 高效定制化文本到图像生成的无正则化方法
AI绘图GithubProFusionStable Diffusion开源项目文本生成图像自定义模型
ProFusion是一个创新的文本到图像生成框架,专为定制预训练大规模模型而设计。该框架仅需一张测试图像和单个GPU,即可为独特概念生成多样创意图像。ProFusion采用无正则化方法,有效保留图像细节,并能构建定制数据集用于训练免调整的AI助手。此外,它还支持处理复杂输入,同时生成文本说明和图像,无需额外微调。
stable-diffusion-3.5-large-turbo - 高效创新的4步快速文生图AI模型
AI绘画GithubHuggingfaceStable Diffusion 3.5图像生成开源项目模型深度学习生成式AI
Stable Diffusion 3.5大型快速版是一款基于多模态扩散变换器架构的高效文生图模型。它采用对抗性扩散蒸馏技术和三个预训练文本编码器,仅需4步即可完成推理。该模型在图像质量、文本理解、字体渲染和资源效率方面均有显著提升,适用于艺术创作、教育工具和生成模型研究等领域。模型遵循严格的安全准则和使用政策,为用户提供可靠的AI图像生成解决方案。
pix2struct-large - 融合图像和文本的开创性AI预训练模型
GithubHuggingfacePix2Struct图像到文本模型多任务学习开源项目模型视觉语言理解预训练
Pix2Struct是一款突破性的图像到文本预训练模型,专注于视觉语言理解。其独特之处在于通过解析网页截图为简化HTML进行预训练,有效整合了OCR、语言建模和图像描述等关键技术。在文档、插图、用户界面和自然图像四大领域的九项任务评估中,Pix2Struct在六项中表现卓越,展现了其强大的通用性。这一创新模型为视觉语言相关任务奠定了坚实基础,可通过微调适应多样化的应用场景。
stable-diffusion-3.5-medium - MMDiT-X高效能文本到图像生成技术
GithubHuggingfaceQK正则化Stable Diffusion图像质量提升多模态扩散变压器开源项目文本生成图像模型
Stable Diffusion 3.5 Medium是一款MMDiT-X模型,提升文本到图像生成的图像质量和资源效率。通过多模态扩散变压器结合QK标准化技术,该模型在多分辨率生成和文本理解方面表现出色,适合设计、创作与研究领域,年收入低于100万美元的用户可免费使用。
OnlyReal-Black-Mix - 利用文本到图像技术实现高效图像生成的创新解决方案
CivitaiGithubHugging FaceHuggingfacediffusersstable-diffusion图像生成开源项目模型
该项目结合稳定扩散模型与diffusers,支持文本转图像功能,适合多样化的创意应用场景。利用Hugging Face API生成的样本图像及原作者的演示,展示了其在艺术创作中的潜力与应用价值。
HunyuanDiT - 实现多分辨率扩散和细粒度中英文理解
GithubHunyuanDiT中英双语多轮对话开源开源项目文本生成图像
HunyuanDiT是一个多分辨率扩散变换器模型,具有细粒度的中英文理解能力。该模型采用优化的变换器结构、文本编码器和位置编码,通过迭代数据流程提升性能。HunyuanDiT支持多轮多模态对话,可根据上下文生成和优化图像。经专业评估,该模型在中文到图像生成方面达到开源模型的先进水平。
testSCG-Anatomy-Flux1 - 文本到图像生成功能及稳定扩散技术概览
AI绘图GithubHuggingfaceSafetensorsstable-diffusion开源项目模型模型下载生成艺术
项目特色在于结合黑森林实验室的FLUX.1基础模型,采用LoRA和diffusers技术以实现高效的文本到图像转换。支持Safetensors格式的模型权重下载,能够处理多领域的图像生成任务,适用于视觉设计和创意行业。通过应用先进技术,提升图像生成的性能和可靠性。
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。
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