CAT

创新图像恢复模型强化远程特征建模

图像修复 Transformer 自注意力机制长程依赖卷积神经网络 Github 开源项目

CAT是一种创新的图像恢复模型,采用矩形窗口自注意力机制扩大特征提取范围。模型通过水平和垂直矩形窗口并行聚合特征,实现窗口间交互。结合CNN的局部特性,CAT在全局-局部特征耦合方面表现出色。实验证实该方法在多种图像恢复任务中超越了现有技术水平。

Github

论文

介绍相关项目

ProPainter - 创新视频修复技术提升传播和变换器效果

GithubICCV 2023ProPainter开源项目深度学习视频修复计算机视觉

ProPainter是一个开源的视频修复项目,通过改进传播和变换器技术提高修复质量。它支持对象移除和视频补全,可处理高分辨率视频,并提供内存高效的推理。该项目开放了源代码和预训练模型,还提供在线演示。ProPainter在视频修复领域取得了显著进展,为相关研究和应用提供了有力支持。

NAFNet - 无需非线性激活函数的图像修复网络

GithubNAFNet图像修复图像去噪图像去模糊开源项目超分辨率

NAFNet是一种无需非线性激活函数的图像修复网络，通过简单的基线超过现有SOTA方法并显著降低计算成本。在GoPro数据集上，该网络的图像去模糊性能达到33.69 dB PSNR，在SIDD数据集上的图像去噪性能为40.30 dB PSNR，均显著超越前代SOTA性能。NAFNet适用于图像去噪、去模糊和立体图像超分辨率等任务。

DiffBIR - 基于扩散模型的多任务盲图像修复方法

DiffBIRGithub人脸修复图像修复开源项目扩散模型盲图像超分辨率

DiffBIR是一种基于扩散模型的盲图像修复方法，可处理多种图像退化问题，如盲超分辨率、盲人脸修复和盲图像去噪。该方法采用两阶段架构，先进行退化移除，再利用IRControlNet重建图像。DiffBIR在真实世界图像上展现出优异的修复效果，能生成高质量、真实的细节。项目提供开源代码、预训练模型和详细使用说明。

stable-diffusion-v1-5-inpainting - 稳定扩散修复模型，提升图像生成与修复能力

GithubHuggingfaceStable Diffusion Inpainting人工智能绘画创意图片生成图像修复开源项目文本生成图像模型

Stable Diffusion Inpainting是一种基于潜在扩散模型的图像生成工具，通过文本提示生成高质量图像，支持遮罩修复。其在LAION-5B数据集上进行训练，应用于艺术和设计领域，具备生成逼真图像的能力，但在复杂文本处理上存在局限。遵循CreativeML OpenRAIL-M许可，可保证合理安全使用。了解训练和应用场景将有助于更有效地进行创新项目开发。

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。

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。

controlnet-tile-sdxl-1.0 - ControlNet技术在图像处理中的最新应用探索

ControlNet Tile SDXLGithubHuggingface人工智能图像去模糊图像超分辨率开源项目模型生成式图像处理

该项目展示了如何利用ControlNet技术实现图像的去模糊、变体生成和超分辨率处理。通过整合多种图像处理器和pipelines，支持多种比率和倍数的放大，简化了操作过程，并提高了图像质量。项目代码提供了应用高斯模糊、引导滤波及多维采样的示例，可以通过详细提示生成更高质量和多样化的图像，提高细节再现能力。

swin-base-patch4-window12-384 - 高效图像分类的Swin Transformer视觉模型

GithubHuggingfaceSwin Transformer图像分类层次特征图开源项目模型自注意力机制视觉转换器

Swin Transformer是一款视觉Transformer，通过使用层级特征图和移窗技术，进行高效图像分类。模型在ImageNet-1k数据集上以384x384分辨率训练，具备线性计算复杂度，使其适用于图像分类和密集识别任务。模型可用于原始图像分类，或者在模型集中寻找细化版本，适合处理计算密集型任务。

cross-image-attention - 跨图像注意力机制实现零样本外观迁移

Cross-Image AttentionGithub图像生成开源项目自注意力机制语义对应零样本外观迁移

该项目开发了一种跨图像注意力机制，实现了零样本外观迁移。这种方法利用生成模型的语义理解，在保持目标结构的同时，将外观应用到不同形状的对象上。该技术适用于多种对象类别，对形状、大小和视角变化具有适应性。项目提供了代码实现、使用指南和演示，便于研究人员探索和应用。

stable-cascade-prior - 探索高效图像生成与文本到图像转换模型

GithubHuggingfaceStable Cascade图像压缩开源项目文本生成图像模型模型效率生成模型

Stable Cascade Prior基于Würstchen架构，是一种高效的图像生成模型。其显著优势在于快速的推理速度和低昂的训练成本。依靠卓越的图像压缩能力，该模型可以将1024x1024图像压缩至24x24而不丢失细节，非常适合需要高效生成的场景。支持包括finetuning在内的多种扩展，并在提示对齐和美学质量上表现出色，适用于研究、教育、艺术设计等领域。访问其GitHub仓库，了解更多功能与使用案例。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com