图像模型

现有的多视图图像生成方法通常对预训练的文生图模型进行侵入性修改，并需要全面微调，导致高计算成本和图像质量下降。为了解决这些问题，北京航空航天大学、VAST 和上海交通大学的研究人员提出了 MV-Ada...

Yandex Research、HSE 大学、MIPT 和 Skoltech 的研究人员提出了 Switti，这是一个专门设计用于文本到图像（T2I）生成的尺度变换器。Switti 从现有的下一尺度预...

比勒费尔德大学 CITEC 机器学习小组提出了一项新颖的任务——虚拟脱衣（Virtual Try-Off, VTOFF），旨在从穿着衣服的单张照片中生成标准化的服装图像。与传统的虚拟试穿（Virtua...

尽管文本到图像（T2I）生成模型在近年来取得了显著进展，用户在实际应用中仍然面临着诸多挑战。制作合适的提示、选择适当的模型和配置特定参数等繁琐步骤的复杂性和不确定性，使得用户不得不通过反复试验来获得满...

在Black Forest Labs发布了官方FLUX.1 Tools系列开源模型后，Stability AI也不甘落后，于今天发布了三款官方ControlNets模型：Blur、Canny和Dept...

AI2、加州大学欧文分校和华盛顿大学的研究人员介绍了一种名为OneDiffusion的多功能、大规模扩散模型。OneDiffusion能够无缝支持在多样化任务中进行双向图像合成和理解，涵盖从文本、深度...

Qwen2vl-Flux 是一种先进的跨模态图像生成模型，它将Qwen2VL的视觉语言理解能力与FLUX框架相结合，实现了更精确和上下文感知的图像生成。该模型在文本提示和视觉参考的基础上生成高质量图像...

SD3.5M-Booster 是一个专门为 SD3.5 Medium 模型设计的增强 LoRA，旨在将模型的性能提升到最高水平。通过增强细节、颜色和对比度，SD3.5M-Booster 能够显著改善生...

ITF SkinDiffDDS v1 是一款专为处理 DDS 压缩后皮肤漫反射纹理的质量问题而设计的模型。这款模型的主要目标是去除压缩过程中产生的条带、块状、抖动、走样、噪点和颜色偏移等瑕疵，从而提升...

音频驱动的肖像动画在基于扩散模型的推动下取得了显著进展，提高了视频质量和唇同步的准确性。然而，这些模型的复杂性增加导致了训练和推理的低效，以及对视频长度和帧间连续性的限制。为了解决这些问题，京东健康国...

BEN（Background Erasure Network）是由Prama LLC推出的一款深度学习模型，旨在自动从图像中移除背景，生成二值掩码和前景图像。 模型：https://huggingfa...

RMBG v2.0 是由 BRIA AI 最新研发的先进背景移除模型，能够在各种类别和图像类型中有效地将前景与背景分离。该模型经过精心挑选的数据集训练，包括通用库存图片、电子商务、游戏和广告内容，使其...