SD百科导航
  • 首页
  • 快讯
  • 早报
  • 模型
  • ComfyUI
  • 新技术
  • 百科
    • 教程
    • 硬件
    • 科普
  • 百科工具
    • 工具
  • 排行榜
    • 首页
    • 快讯
    • 早报
    • 模型
    • ComfyUI
    • 新技术
    • 百科
      • 教程
      • 硬件
      • 科普
    • 百科工具
      • 工具
    • 排行榜

    图像模型

    共 289 篇文章
    用于文生图、图生图、图像编辑的模型
    百科工具模型ComfyUIAI合集web UI提示词
    大语言模型多模态模型图像模型语音模型3D模型Flux衍生视频模型世界模型决策模型
    排序
    发布更新浏览点赞
    PROVE:小米 MiLM Plus 发布全新对象移除评估指标,终结“模糊即高分”的乱象

    PROVE:小米 MiLM Plus 发布全新对象移除评估指标,终结“模糊即高分”的乱象

    在 AI 图像和视频编辑领域,对象移除(Object Removal)技术的发展速度已经远远超过了评估它们的指标。当前的扩散模型能够令人信服地重建阴影、反射和遮挡结构,但传统的评估指标如 PSNR、S...
    图像模型# PROVE# 小米
    3个月前
    1170
    商汤科技开源 SenseNova U1.5-Lite-Preview:8B 轻量级模型原生支持 4K 图像生成

    商汤科技开源 SenseNova U1.5-Lite-Preview:8B 轻量级模型原生支持 4K 图像生成

    商汤科技今日正式开源了多模态模型 SenseNova U1.5-Lite-Preview 的预览版本。作为基于 NEO-Unify 架构的系统性迭代,该模型仅以 8B-MoT(混合专家Transfor...
    图像模型# SenseNova U1.5-Lite-Preview# 商汤科技
    3个月前
    1990
    FeyNoBg:FeynAI 推出的 SOTA 级开源背景去除模型,配套 NoBg 训练库同步发布

    FeyNoBg:FeynAI 推出的 SOTA 级开源背景去除模型,配套 NoBg 训练库同步发布

    FeynAI 正式发布了 FeyNoBg,一款在背景去除(Background Removal)任务上达到最先进(SOTA)水平的深度学习模型。与此同时,为了降低该领域的开发门槛并促进社区创新,Fey...
    图像模型# FeynAI# FeyNoBg# 去背景
    3个月前
    1660
    Black Forest Labs 发布 FLUX 3:支持20秒音视频生成,但开源版本需等待

    Black Forest Labs 发布 FLUX 3:支持20秒音视频生成,但开源版本需等待

    德国AI实验室Black Forest Labs今天发布了FLUX家族的新成员——FLUX 3。这不仅是版本号的递进,更意味着产品线的战略扩张:从单一的图像生成模型,升级为一个能同时处理图像、视频、音...
    图像模型早报# Black Forest Labs# FLUX 3
    3个月前
    4310
    阿里发布 Qwen-Image-3.0:以“实”为核心,4.5k Token 重塑图像生成生产力

    阿里发布 Qwen-Image-3.0:以“实”为核心,4.5k Token 重塑图像生成生产力

    阿里巴巴通义千问团队正式推出 Qwen-Image-3.0,这是 Qwen-Image 系列的第三代图像生成基础模型。如果说 1.0 时代追求的是“准”,2.0 时代实现了“准、多、齐、美、真”,那么...
    图像模型早报# Qwen-Image-3.0
    3个月前
    2220
    字节跳动推出 Seedream 5.0 Pro:支持图层分离与精准编辑的生产级多模态模型

    字节跳动推出 Seedream 5.0 Pro:支持图层分离与精准编辑的生产级多模态模型

    字节跳动 Seed 项目组正式推出了 Seedream 5.0 Pro,这是一款专为专业设计工作流打造的多模态图像生成与编辑模型。与以往侧重于单次创意输出的模型不同,Seedream 5.0 Pro ...
    图像模型早报# Seedream 5.0 Pro# 字节跳动
    4个月前
    2370
    Krea AI 开源 Krea 2:120亿参数 DiT 模型,首创“Raw训练+Turbo推理”双模型策略

    Krea AI 开源 Krea 2:120亿参数 DiT 模型,首创“Raw训练+Turbo推理”双模型策略

    创意AI平台 Krea AI 正式发布了其基础图像生成模型 Krea 2 的开源版本。该模型基于拥有 120亿参数 的扩散 Transformer(Diffusion Transformer)架构构建...
    图像模型# Krea 2# Krea AI# Krea-2-Raw
    4个月前
    4590
    Boogu Team开源统一图像生成与编辑模型家族Boogu-Image-0.1 :支持中英文文字渲染与 3-4 步快速生成,Apache-2.0 协议可商用

    Boogu Team开源统一图像生成与编辑模型家族Boogu-Image-0.1 :支持中英文文字渲染与 3-4 步快速生成,Apache-2.0 协议可商用

    在闭源多模态系统(如 Nano Banana Pro、GPT-Image-2)凭借庞大算力垄断高质量图像生成的当下,Boogu Team 发布了 Boogu-Image-0.1,一个基于 Apache...
    图像模型# Boogu-Image-0.1
    4个月前
    4330
    Ideogram开源Ideogram 4.0 :93亿参数单流 DiT 模型,首创结构化 JSON 提示实现像素级布局控制与精准文本渲染

    Ideogram开源Ideogram 4.0 :93亿参数单流 DiT 模型,首创结构化 JSON 提示实现像素级布局控制与精准文本渲染

    Ideogram 正式开源了其最新的旗舰基座模型 Ideogram 4.0。作为一个从头训练的 93 亿参数单流扩散 Transformer (DiT),它不仅在文本渲染和布局控制上达到了行业顶尖水平...
    图像模型# Ideogram 4.0
    5个月前
    3140
    ControlLight:基于 FLUX.2 的可控低光增强模型,支持连续亮度调节与结构保持,解决“一键修图”过度失真痛点

    ControlLight:基于 FLUX.2 的可控低光增强模型,支持连续亮度调节与结构保持,解决“一键修图”过度失真痛点

    在低光照摄影中,我们常面临两难选择:直接提亮会导致噪点爆炸、色彩失真,而使用现有 AI 增强工具则往往出现“过曝发白”或“结构扭曲”的问题。ControlLight 是一个基于 FLUX.2 [kle...
    图像模型# ControlLight
    5个月前
    3260
    Prism ML 发布 Bonsai Image 4B:首个可在 iPhone 本地运行的 4B 级图像生成模型,Transformer 权重压缩至 1GB 以下

    Prism ML 发布 Bonsai Image 4B:首个可在 iPhone 本地运行的 4B 级图像生成模型,Transformer 权重压缩至 1GB 以下

    在云 API 主导图像生成的当下,高昂的成本、网络延迟以及隐私顾虑限制了用户的创意迭代。Prism ML 今日正式发布了 Bonsai Image 4B,这是一系列专为本地设备设计的紧凑级图像生成模型...
    图像模型# Bonsai Image 4B# Prism ML
    5个月前
    5160
    英伟达发布 PiD:像素扩散解码器统一解码与超分,210ms 生成 2K 图像,显存仅需 13GB

    英伟达发布 PiD:像素扩散解码器统一解码与超分,210ms 生成 2K 图像,显存仅需 13GB

    在高分辨率文本到图像生成领域,传统的“潜在扩散模型(LDM)+ VAE 解码 + 级联超分”流程正面临瓶颈:VAE 解码器仅能还原低频信息,无法生成高频细节,且在百万像素尺度下显存占用极高、速度缓慢...
    图像模型# PiD# 英伟达
    5个月前
    2850
    加载更多

    网址

    日榜周榜月榜
    LoginFlip

    LoginFlip

    LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 

    天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
    ITELLOU

    ITELLOU

    ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
    TapNow

    TapNow

    TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
    Open ASR 排行榜

    Open ASR 排行榜

    Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
    DSH to Figma

    新DSH to Figma

    DSH to Figma 是 DeepSeek Harness(DSH)的原生插件,搭配配套Figma插件实现本地桥接,把Figma画布能力接入DSH代理。核心优势是本地模式不走Figma官方MCP,不消耗官方调用额度,可以直接读取、编辑画布、截图、导出素材。
    查看完整榜单
    SD百科导航
    SD百科导航是专注于AI创作领域的专业导航网站。我们全面涵盖Stable Diffusion、Flux、AI绘画、AI视频、AI音乐以及大语言模型等前沿内容。

    关于我们友链申请广告合作

    扫码关注微信公众号SD百科导航
    扫码关注微信公众号
    Copyright © 2026 SD百科导航 皖ICP备18025588号-5  皖公网安备34040002000401 
    网址
    网址文章软件模型
      ↵ENTER↓↑NAV

      网址

      日榜周榜月榜
      LoginFlip

      LoginFlip

      LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 

      天府智能体 (Tianfu Agent) 作为全球首个专为深度命理推理设计的智能体,它并非简单的聊天机器人,而是一个融合了紫微斗数、子平八字、奇门遁甲三大传统术数体系的复杂 AI 系统。
      ITELLOU

      ITELLOU

      ITELLYOU(也称为NEXT, ITELLYOU)是一个专注于提供微软原版软件资源的非官方网站,主要帮助用户获取未经修改的微软产品镜像,如Windows操作系统、Office办公软件和开发工具等。
      TapNow

      TapNow

      TapNow是一个面向创作者的专业级 AI 视觉内容平台,支持从脚本撰写、分镜头设计到高保真成片输出的完整流程,单人即可在 1–3 天内完成传统需 4–6 周的影视级项目。
      Open ASR 排行榜

      Open ASR 排行榜

      Open ASR 排行榜 对 Hugging Face Hub 上的语音识别模型进行排名和评估。我们报告平均 WER(字错误率)(⬇️ 越低越好)和 RTFx(实时因子)(⬆️ 越高越好),模型根据其平均 WER 从低到高进行排名。
      DSH to Figma

      新DSH to Figma

      DSH to Figma 是 DeepSeek Harness(DSH)的原生插件,搭配配套Figma插件实现本地桥接,把Figma画布能力接入DSH代理。核心优势是本地模式不走Figma官方MCP,不消耗官方调用额度,可以直接读取、编辑画布、截图、导出素材。
      查看完整榜单