Project Icon

photo-background-generation

基于文本引导的扩散模型实现对象背景一致性

该开源项目通过文本引导的扩散模型,解决显著对象背景生成中的'对象扩展'问题,保持对象身份和背景的一致性。适合商业广告等需要清晰度的场景。项目已被CVPR 2024采用,提供创新的背景生成方法。

sd-image-variations-diffusers - 基于Stable Diffusion的开源图像变体生成模型
CLIPGithubHuggingfaceStable Diffusion人工智能图像变体图像生成开源项目模型
sd-image-variations-diffusers是一个经过微调的Stable Diffusion模型,通过CLIP图像嵌入技术实现图像变体生成。该模型集成Diffusers库,可生成高质量的图像变体,主要应用于艺术创作、教育工具和AI研究等领域。模型目前已发布V2版本,相比V1版本具有更好的图像质量和相似度表现,但在生成人脸和文字方面仍存在局限性。
AI-infinity-V1-fp16 - 采用稳定扩散的真实感图像生成模型
AI InfinityDiffusersGithubHugging FaceHuggingface开源项目文本生成图像模型稳定扩散
AI-infinity-V1-fp16项目展示了稳定扩散技术在生成真实感图像中的应用。通过Huggingface API及原创作者的示例,该模型清晰呈现文本到图像的转换能力,特别是在生成自然手部细节方面有卓越表现。了解该项目的主要特性和优势,有助于提升图像处理的创造性。
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。
normal-depth-diffusion - 通用法线深度扩散模型实现高细节3D生成
3D模型AI生成GithubNormal-Depth Diffusion Model图像生成开源项目深度学习
Normal-Depth Diffusion Model是一个创新的文本到3D生成模型,采用法线深度扩散技术生成细节丰富的3D模型。该项目支持单视图和多视图生成,提供预训练权重、推理和训练代码,以及Objaverse数据集的多视图渲染图像。这一模型为3D内容创作开辟新途径,可应用于艺术设计等多个领域。
Kolors-diffusers - 基于扩散模型的高质量文本到图像生成技术
AI绘画GithubHuggingfaceKolors大规模模型开源项目文生图模型自然语言处理
Kolors是一个基于潜在扩散技术的大规模文本到图像生成模型。该模型在视觉质量、复杂语义理解和中英文字符渲染方面表现优异,支持中英文输入并擅长处理中文内容。Kolors面向学术研究开源,同时为商业使用提供申请渠道,旨在促进文本到图像生成技术的开放发展。
stable-diffusion-3-medium - 基于多模态扩散变换器的开源AI图像生成模型
GithubHuggingfaceStable Diffusion 3人工智能绘画图像生成模型开源项目文本生成图像模型非商业许可
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(MMDiT)架构,集成OpenCLIP、CLIP和T5三种文本编码器。模型通过10亿图像预训练和3000万张图像微调,支持图像生成、字体排版等功能。提供多种模型变体,可通过ComfyUI或API使用,仅限非商业研究用途。
video-diffusion-pytorch - 开源项目实现文本到视频生成新突破
GithubPytorchU-net开源项目文本到视频深度学习视频生成
video-diffusion-pytorch项目实现了基于扩散模型的文本到视频生成技术。该开源项目采用时空分解U-net结构,将2D图像生成扩展至3D视频领域。支持文本条件生成、BERT编码和批量训练等功能。目前在移动MNIST数据集上表现良好,为研究人员和开发者提供了探索视频生成新前沿的工具。该技术有望在复杂视频生成任务中取得进展。
ICantBelieveItSNotPhotography - 高品质摄影级人像场景生成模型
GithubHuggingfaceStable Diffusion场景描述开源项目文本生成图像模型真实感人像艺术风格
ICantBelieveItSNotPhotography是基于Stable Diffusion的开源图像生成模型,专注于生成摄影级别的人像和场景效果。模型在细节表现上有独特优势,能准确呈现皮肤纹理、面部表情和环境细节。支持生成多种风格图像,包括传统人像、复古场景和奇幻题材。
Smooth-Diffusion - 提升扩散模型潜在空间平滑性的新方法
CVPR 2024GithubSmooth Diffusion图像生成开源项目扩散模型潜在空间
Smooth Diffusion是一种创新的扩散模型技术,通过优化潜在空间的平滑性来提升模型性能。这种方法在图像插值、反演和编辑任务中展现出显著优势,实现了更连续的过渡效果、更低的反演误差,以及更好的未修改内容保留。通过在训练过程中引入变化约束,Smooth Diffusion为扩散模型研究开辟了新方向。
ombre-v3-sdxl - 文本生成图像技术与动漫美学的全新融合应用
AI绘图GithubHuggingfaceStable Diffusion人物角色动漫开源项目模型艺术创作
ombre-v3-sdxl是基于Stable Diffusion XL的文本生成图像模型,专注于创造动漫和美学风格的图像。该模型融合多种艺术风格,适合生成独特的角色和艺术作品。通过文本描述,它能生成高质量、富有艺术感的图像,可应用于动漫创作、游戏设计等领域。模型由qelt开发,基于merges模型构建,遵循FAIPL-1.0-SD许可协议。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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