#AI绘图

FollowYourEmoji是一个基于扩散模型的肖像动画生成框架。该项目利用参考肖像和目标关键点序列，生成可精细控制的自由风格肖像动画。框架支持通过表情符号进行简单控制，实现个性化动画效果。项目开源了预训练模型和推理代码，便于研究人员和开发者进行进一步探索和应用。

UltraPixel是一种超高分辨率图像合成技术，可生成2K到4K分辨率的高质量图像。项目支持文本引导、个性化和ControlNet图像生成，为图像合成和视觉艺术领域提供了新的工具。通过详细的提示词，可以生成细节丰富的图像。

FlashFace是一项人物图像个性化生成技术，可在几秒内实现零样本人物图像定制，具有出色的身份保持能力。该技术能精确响应语言提示，并支持灵活调整身份图像和语言提示的控制强度。FlashFace可使用单张或多张参考人脸，对非名人也能有效保持身份特征，同时支持改变人物年龄或性别。

I_am_a_person是一个综合性AI数字人项目，涵盖形象生成、语音识别、大语言模型和语音合成等多个领域。项目整合了人体姿态估计、换脸技术、AI绘图等先进技术，并探索真人和虚拟数字人驱动技术。通过多种语音和语言模型的应用，该项目旨在实现全方位的AI数字人解决方案。

ArtSpew是一个基于Stable Diffusion技术的开源AI艺术生成工具。该项目能快速创建大量随机或主题性图像,适合艺术创意探索和灵感获取。支持SD1.5和SDXL模型,提供批量生成和随机提示词等功能。ArtSpew可用于创意寻找和大规模图像实验,为AI艺术创作提供新的可能性。

sygil-webui是基于Stable Diffusion的开源Web界面，集成了文本生成图像、图像编辑等功能。项目支持GFPGAN和RealESRGAN图像增强，提供生成预览和CPU运行选项。适用于Windows和Linux系统，界面友好，可自定义程度高。

该项目为Stable Diffusion模型提供基于Docker的部署方案，适用于Ubuntu和Windows系统。通过简单的Web UI界面，用户可在GPU设备上轻松运行Stable Diffusion，支持多GPU推理、图像到图像转换和图像修复功能。项目集成了Stable Diffusion 2.0模型，为AI图像生成技术的使用提供便捷途径。

Kolors是一款基于潜在扩散的大规模文本到图像生成模型。该模型经过数十亿文本-图像对的训练,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。Kolors支持中英文输入,能够出色地理解和生成中国特色内容。通过人工和机器评估,Kolors在多个维度上展现了业界领先的性能,适用于各种高质量图像生成任务。

LayerDiffuse是一个开源图像处理项目，专注于利用潜在透明度实现透明图层扩散。目前支持Stable Diffusion WebUI和Diffusers CLI平台，未来将扩展到Gradio、Colab和Huggingface Space。项目计划发布数据集和训练代码，为图像处理领域提供新的技术方案。通过创新的图层处理工具，LayerDiffuse开启了图像创作的无限可能。

Stable Diffusion WebUI Forge是原版SD WebUI的增强平台，专注于资源优化和推理加速。该项目集成了FreeU V2、ControlNet和IP-Adapter等先进特性，支持一键安装和多版本CUDA/PyTorch兼容。Forge旨在为开发者提供更友好的环境，同时为用户带来高效的AI图像生成体验。

FaceChain FACT是一款创新的AI肖像生成框架，仅需一张照片即可在10秒内生成保持身份特征的个性化肖像。该框架支持文本到图像和修复式生成，并与ControlNet和LoRA兼容。通过解耦训练技术，FaceChain FACT提升了图像质量、文本遵循能力和风格保持能力，实现了高度可控和真实的肖像生成。

Magic Clothing 是一个开源项目，作为OOTDiffusion的分支版本，专注于基于服装的可控图像合成。该项目支持调节服装和文本提示的强度，并集成了IP-Adapter-FaceID和ControlNet-Openpose技术，实现人像和姿势的条件控制。项目提供512和768分辨率的模型权重，以及Python和Gradio接口用于推理和演示。这些特性为服装相关的图像生成领域开辟了新的可能性。

sd-webui-regional-prompter是Stable Diffusion WebUI的一个扩展，可为图像不同区域指定独立提示词。支持多种区域划分方式，包括垂直、水平、2D以及基于蒙版和提示词的指定。此外还具备LoRA应用控制、区域可视化和API功能，提高了AI图像生成的精确度和灵活性。

Stable Cascade是一种新型文本到图像生成模型，采用高度压缩的潜在空间技术。它由三个阶段组成，可将1024x1024图像压缩至24x24尺寸，同时保持清晰重建效果。与Stable Diffusion相比，该模型实现了更快的推理速度和更低的训练成本。Stable Cascade在提示对齐和图像质量方面表现优异，并支持微调、ControlNet和LoRA等多种扩展功能，适用于对效率要求较高的应用场景。

ComfyUI_InstantID项目为ComfyUI提供原生InstantID支持，无需依赖diffusers库。该扩展完全集成ComfyUI，支持多ID生成、IPAdapter风格化和额外ControlNet控制。通过降低CFG和注入噪声等技术，有效减少水印并提升生成质量。项目还支持SDXL Turbo/Lighting模型，适合需要高效、灵活人物图像生成的用户。

PhotoMaker是一款创新的AI图像生成工具,能在几秒内定制生成高度逼真的人像照片。它保持了优秀的身份保真度,同时兼顾多样性和高质量输出。作为适配器,PhotoMaker可与其他基础模型和LoRA模块无缝协作。该工具支持真实照片和风格化生成,为创作提供灵活空间。PhotoMaker操作简单,无需额外训练即可实现个性化,为AI驱动的图像生成领域带来积极影响。

EditAnything 是一个开源的图像编辑和生成项目,集成了 Segment Anything、ControlNet 和 Stable Diffusion 等先进技术。该项目支持跨图像区域拖放、服装和发型编辑、美颜处理等功能,还可根据简单草图生成图像。EditAnything 提供自定义编辑和布局对齐控制,为图像处理带来更大灵活性,适用于创意设计和内容创作等领域。

Rich-Text-to-Image项目利用富文本格式信息增强文本到图像生成的控制能力。该项目通过字体大小、颜色、样式和脚注等格式实现精确的颜色渲染、局部风格控制和详细区域合成。这种方法支持token显式重新加权，可与Stable Diffusion等主流模型集成，提供更精细的图像生成控制。项目开源了代码实现，并提供在线演示和相关论文，为文本到图像生成领域开辟了新的研究方向。

Mix-of-Show是一种扩散模型多概念定制技术,通过去中心化低秩适应实现单概念和多概念融合。它可生成高质量动漫和真实人物图像,无需正则化数据集,支持区域可控的多概念采样。该项目开源了训练和推理代码,为扩散模型个性化提供新方案。

StreamDiffusion是一个开源的高性能AI图像生成框架,专为实时交互应用设计。它采用流批处理、残差无分类引导等创新技术,大幅提升了扩散模型的生成速度。在RTX 4090显卡上,使用SD-turbo模型可实现每秒106帧的文生图速度,LCM-LoRA与KohakuV2模型组合也能达到每秒38帧。该项目为开发实时AI图像生成应用提供了有力支持。

LooseControl是一种提升ControlNet能力的深度条件生成控制技术，实现了更通用的深度条件控制。该开源项目提供UI界面和Python API，支持基于粗略深度图的图像生成和风格保持编辑。LooseControl适用于多种场景，为计算机视觉和图像生成领域提供了新的研究方向。

Mini-Gemini项目探索多模态视觉语言模型的新可能。该项目支持2B至34B规模的大语言模型,实现图像理解、推理和生成功能。基于LLaVA构建的Mini-Gemini提供完整资源,包括预训练权重、数据集和评估基准。通过双视觉编码器和patch信息挖掘等技术创新,Mini-Gemini实现了文本与图像的深度融合。

PuLID是一种基于对比对齐的ID定制技术，能够快速生成高质量个性化图像。该项目提供本地Gradio和在线Hugging Face演示，并获得社区广泛支持，包括Colab和Replicate等第三方实现。PuLID旨在推动AI图像生成领域的发展，为研究人员和开发者提供实用工具和资源。

Open-AnimateAnyone是一个非官方实现的AI动画生成项目，基于magic-animate和AnimateDiff构建。项目提供训练和推理代码，以及Gradio演示界面。在小规模数据集上进行训练，展示了有限数据条件下的动画生成能力。开发者分享了有价值的训练经验，为未来改进提供方向。尽管存在一些限制，该项目仍为AI动画生成技术的开放研究做出了贡献。

ComfyUI Deploy是一个开源的AI图像生成工作流部署平台，提供无服务器GPU托管和ComfyUI深度集成。平台支持工作流版本管理、多机器部署和API生成，适用于生产和测试环境。它支持RunPods、Modal和自托管机器，提供工作流预览功能，并允许跨机器运行相同工作流。ComfyUI Deploy简化了复杂AI工作流的部署和管理过程，为开发者提供高效灵活的解决方案。

OMG是一个多概念图像生成框架，支持Civitai.com的角色和样式LoRA模型。结合InstantID可实现单图多ID个性化。该框架提供高质量多角色图像生成，支持布局和样式控制。项目开源并附详细说明，为图像生成领域带来新突破。

FastComposer是一种创新的多主体图像生成技术，无需微调即可实现高效、个性化的文本到图像转换。该技术通过主体嵌入和注意力定位监督解决身份混淆问题，同时保持图像的身份特征和可编辑性。与传统微调方法相比，FastComposer在速度上实现了300-2500倍的提升，且无需为新主体增加额外存储。这一技术为高质量多主体图像创作提供了新的可能性。

StyleShot是一个开源的AI图像生成项目，专注于实现广泛的风格迁移能力。通过风格感知编码器和StyleGallery数据集，它能够模仿3D、扁平、抽象等多种风格，无需测试时微调。项目在风格迁移性能上展现出优势，为图像风格化研究提供了新的方向和可能性。

Hugging Face推出的扩散模型免费课程涵盖理论研究和实践应用。课程内容包括使用Diffusers库生成图像和音频、训练和微调扩散模型、探索条件生成和引导技术、创建自定义模型管道等。适合具备Python和深度学习基础的学习者，提供全面的扩散模型学习体验。

muse-maskgit-pytorch是一个实现Muse: Text-to-Image Generation via Masked Generative Transformers的开源项目。该框架集成了VQGanVAE和MaskGit模型，支持基础图像生成和超分辨率处理。项目提供了完整的训练和生成流程，包括VAE训练、基础MaskGit和超分辨率MaskGit的使用方法，为研究人员提供了探索文本到图像生成技术的工具。

DiffSketcher是一个基于潜在扩散模型的文本引导矢量草图合成项目。它可以根据文本描述生成高质量的矢量草图,支持素描、油画和彩色图像等多种风格。该项目提供灵活的参数配置,如调整笔画数量和迭代次数,并支持与风格迁移技术结合。DiffSketcher为艺术创作和图像生成领域提供了新的可能性。

midjourney-client是一个Node.js客户端，用于连接非官方MidJourney API。它支持imagine、variation、upscale等基本操作，同时提供face swap、niji bot和custom zoom等扩展功能。项目包含详细配置选项和示例代码，方便开发者将MidJourney的AI图像生成能力集成到应用中。该客户端支持WebSocket通信，实现remix模式和自定义缩放。项目文档提供了完整的安装步骤、环境配置说明和使用示例，便于开发者快速上手。此外，midjourney-client还支持代理设置，增强了在不同网络环境下的适用性。

InstantID-Rome是一个改进的身份保持图像生成项目。它优化了身体构图、面部饱和度和可编辑性,同时提供更稳定的布局、更高的一致性和更真实的效果。该项目支持大范围图像尺度和图层扩散,为多种创意和实用场景提供了灵活的身份保持生成功能。

HashNeRF-pytorch是一个基于PyTorch的Instant-NGP实现，专注于加速NeRF（神经辐射场）训练。该项目采用多分辨率哈希编码，将训练速度提升至传统NeRF方法的100倍。它支持多种数据集，提供简洁的使用指南和额外优化功能。这个开源项目为AI研究人员提供了一个探索和创新NeRF技术的平台，尤其适合需要在PyTorch环境中快速实现高质量3D渲染的开发者。

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。

该工具应用先进AI技术，能根据文本输入迅速生成高质量图像。操作简便，完全免费，让图像创作几秒钟内完成，提升视觉效果和创意表现。