FLUX.1 Tools 系列模型FP8量化版本，适合小显存用户使用
模型

黑森林实验室（Black Forest Labs）在上个月发布了 FLUX.1 Tools 系列开源模型，旨...
9小时前 2
Leffa：通过参考图像生成人物图像，允许对人物的外观或姿势进行精确控制
模型

可控人物图像生成的目标是根据参考图像生成高质量的人物图像，同时允许对人物的外...
10小时前 4
微信 AI 模式识别中心推出视觉语言模型POINTS1.5系列：提升对真实世界应用的处理能力
模型

微信 AI 模式识别中心推出视觉语言模型POINTS1.5系列，旨在提升对真实世界应用的处...
11小时前 6
用于定制漫画生成的新框架DiffSensei：将多模态大语言模型和扩散模型结合起来，以实现对漫画角色形象和布局的精确控制
模型

故事可视化，即将文本描述转化为视觉叙事的任务，近年来随着文本到图像生成模型的...
13小时前 4
LIFT：利用人类反馈进行文生视频模型对齐的新型微调方法
模型

文本到视频（T2V）生成模型近年来取得了显著进展，能够生成高质量的合成视频。然而...
4天前 30
多模态大语言模型InternVL 2.5：处理和理解来自多种模态（如文本、图像和视频）的信息
模型

InternVL 2.5 是由上海人工智能实验室、商汤科技研究院、清华大学、南京大学、复旦...
4天前 26
阿里巴巴语音实验室发布开源语音处理框架 ClearerVoice-Studio：支持语音增强、分离和目标说话人提取
模型

在当今的音频环境中，清晰沟通面临诸多挑战。背景噪音、重叠对话以及音频和视频信...
4天前 36
shou_xin：基于FLUX.1-dev 的铅笔素描Lora
模型

shou_xin是ComfyUI工作流大神Datou根据小红书上的画家手訫(shou xin)的铅笔速写作...
5天前 46
开源视觉语言模型Moondream：将强大的图像理解能力与极小的资源占用完美结合
模型

Moondream 是一款高效的开源视觉语言模型（VLM），它将强大的图像理解能力与极小的...
6天前 40
单步扩散方法NitroFusion：通过动态对抗框架实现高质量的图像生成
模型

萨里大学和NetMind.AI的研究人员提出了NitroFusion，这是一种根本不同的单步扩散方...
7天前 40
字节跳动推出新型统一图像标记器TokenFlow：弥合多模态理解和生成之间的长期存在的差距
模型

字节跳动的研究团队提出了TokenFlow，这是一种新颖的统一图像标记器，旨在弥合多模...
7天前 36
新型生成模型OmniFlow：用于处理任何到任何（any-to-any）的多模态生成任务，例如文本到图像、文本到音频以及音频到图像的合成
模型

加州大学洛杉矶分校、松下AI研究院和Salesforce AI研究院的研究人员共同提出了Omni...
7天前 34
没有账号？注册  忘记密码？