Project Icon

Collaborative-Diffusion

多模态控制的面部生成与编辑,协作扩散模型

Collaborative Diffusion项目展示了如何通过多模态控制生成和编辑面部图像,保证生成结果与输入条件一致。该项目使用动态扩散器在每一步选择性处理不同模态,确保身份信息的准确性。最新更新包括对FreeU的支持、单模态面部生成推理脚本,以及适用于不同分辨率的模型训练和推理代码,满足多样化应用需求。

automatic - 稳定扩散和其他基于扩散的生成图像模型的高级实现
GithubSD.NextStable Diffusion多平台开源项目扩展功能模型支持
该项目提供了多种后端和用户界面、高级扩展功能,支持多种扩散模型并具有跨平台兼容性。包括文本、图像和视频处理的内置控制,优化处理性能,支持最新的torch技术。具有企业级日志记录和现代化UI,兼容Windows、Linux、MacOS等系统,支持nVidia、AMD和IntelArc等硬件平台。自动更新与依赖管理功能简化了安装和更新过程,确保在多种使用场景下性能最佳。
PortraitGen-code - 肖像视频编辑技术,结合多模态生成模型
3D重建GithubPortraitGen多模态生成开源项目视频编辑风格迁移
这个项目实现了一种创新的肖像视频编辑方法,采用多模态生成模型来实现统一且高表达力的风格转换,能够处理单目RGB视频中的文本和图像驱动的高质量编辑以及光照调整,从而提高面部结构呈现的质量。
dreamlike-diffusion-1.0 - 经过艺术优化的Stable Diffusion图像生成模型
GithubHuggingfaceStable Diffusion人工智能绘画图像生成开源项目模型深度学习模型艺术创作
Dreamlike Diffusion 1.0通过对Stable Diffusion 1.5的艺术风格优化,提供了更强的艺术创作能力。模型支持512x768等多种分辨率配置,可生成肖像和风景作品。通过Python Diffusers、Gradio界面支持多平台使用,开放非商业用途部署,商业应用需获得授权。关键词dreamlikeart可增强作品的艺术效果。
distrifuser - 高效分布式并行推理助力高分辨率图像生成
DistriFusionGPU加速Githubdiffusion模型并行推理开源项目高分辨率
DistriFusion是一种用于高分辨率扩散模型的分布式并行推理算法。该方法无需额外训练,通过多GPU协同工作加速推理过程,同时保持图像质量。其创新的补丁交互技术解决了传统方法的碎片化问题,在高分辨率图像生成任务中显著提升了性能。该项目已在CVPR 2024被评为亮点工作,并开源了相关代码。
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。
ConsistentID - 基于细粒度身份保持的先进人像生成模型
AI绘图ConsistentIDGithub人像生成多模态开源项目身份保持
ConsistentID是一个创新的人像生成模型,通过整合FaceParsing和FaceID信息到扩散模型中,实现高度身份保真。该模型支持快速定制、多样化生成和文本控制,无需额外训练即可使用。项目提出的FGIS基准为细粒度身份保持设立新标准,ConsistentID还可作为适配器与其他模型协同工作,推动人像生成技术发展。
stable-diffusion-1.5 - 开源深度学习模型实现文本到图像的精确转换与生成
GithubHuggingfaceStable Diffusion人工智能开源项目文本生成图像模型深度学习计算机视觉
Stable-Diffusion-v1-5采用Latent Diffusion架构和LAION-2B数据集训练,能将文本提示准确转换为512x512分辨率的图像。模型通过Diffusers和RunwayML提供标准接口,内置内容审核机制,主要应用于研究、艺术创作和教育领域。目前仅支持英文输入,使用时需遵循CreativeML OpenRAIL-M开源协议规范。
GeneFace - 广义和高保真3D会说话的人脸合成
3D人脸合成GeneFaceGithubICLR'23开源项目音频驱动高保真
该项目展示了一种通用且高保真的音频驱动3D说话面部生成方法。GeneFace 实现了更好的唇同步和面部表现,即使在非典型音频中也是如此。项目附带预训练模型和数据集,方便快速上手,并支持使用个人视频训练独特的GeneFace模型。新发布的GeneFace++ 提升了唇同步、视频质量和系统效率,具备实时推断和更快的深度3D重建功能。
stable-diffusion-2-depth - 基于深度感知的Stable Diffusion AI图像生成模型
GithubHuggingfaceStable Diffusion人工智能图像生成开源项目机器学习模型深度学习
stable-diffusion-2-depth是基于Stable Diffusion 2的深度感知AI图像生成模型。它在原有基础上增加了处理MiDaS深度预测的输入通道,实现了额外的条件控制。该模型能够根据文本提示生成和修改高分辨率图像,主要应用于AI安全部署研究、模型局限性探索和艺术创作等领域。作为开源项目,stable-diffusion-2-depth为AI图像生成技术的进步提供了新的可能性。
stable-diffusion-3.5-large - 多模态扩散变换器模型实现高质量图像生成
GithubHuggingfaceStable Diffusion 3.5人工智能模型多模态扩散变换器开源项目文本生成图像模型深度学习
Stable Diffusion 3.5 Large是Stability AI开发的新型文本到图像生成模型。采用多模态扩散变换器架构,改进了图像质量、排版和复杂提示理解能力。模型支持研究及部分商业用途,可通过ComfyUI、Hugging Face等多种方式使用。结合多个预训练文本编码器和QK归一化技术,在提示遵循度和图像美学质量方面表现优异。
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