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 295 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
    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
    5个月前
    4990
    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
    5个月前
    4650
    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
    6个月前
    3500
    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
    6个月前
    3530
    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
    6个月前
    5520
    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
    6个月前
    3180
    腾讯优图提出 L2P:8 卡即可训练,零真实数据实现原生 4K 像素级扩散生成

    腾讯优图提出 L2P:8 卡即可训练,零真实数据实现原生 4K 像素级扩散生成

    由南京大学、腾讯优图等机构联合提出的 L2P (Latent-to-Pixel) 技术,为高分辨率图像生成提供了一条全新的低成本路径。作为一种高效的迁移范式,L2P 能够将预训练隐空间扩散模型(LDM...
    图像模型# L2P# L2P-z-image# 腾讯优图
    6个月前
    3440
    微软发布 Lens:3.8B 参数文生图模型,以 1/5 算力媲美 SOTA,支持 4 步极速推理

    微软发布 Lens:3.8B 参数文生图模型,以 1/5 算力媲美 SOTA,支持 4 步极速推理

    微软正式推出 Lens,一款仅拥有 38 亿(3.8B)参数的基础文本到图像(T2I)生成模型。在主流大模型参数量动辄达到 6B 甚至 80B 的今天,Lens 证明了“小而美”的可能性:它通过极致的...
    图像模型# Lens# 微软# 文生图模型
    6个月前
    3870
    MIT 发布 GenCAD:首个图像条件参数化 CAD 生成模型,输出可编辑命令序列而非静态网格

    MIT 发布 GenCAD:首个图像条件参数化 CAD 生成模型,输出可编辑命令序列而非静态网格

    麻省理工学院(MIT)研究团队提出了 GenCAD,这是首个基于图像条件的参数化计算机辅助设计(CAD)生成模型。与传统 AI 生成静态 3D 网格或点云不同,GenCAD 能够直接从输入图像或草图中...
    图像模型# CAD# GenCAD# MIT
    6个月前
    3110
    斯坦福提出 AsymFlow:首个将预训练潜在模型微调至像素空间的流生成框架,ImageNet FID 1.57 刷新纪录,AsymFLUX.2 超越 FLUX.2 基础版

    斯坦福提出 AsymFlow:首个将预训练潜在模型微调至像素空间的流生成框架,ImageNet FID 1.57 刷新纪录,AsymFLUX.2 超越 FLUX.2 基础版

    在高维像素空间中进行基于流(Flow-based)的生成一直面临巨大挑战:即使数据具有低秩结构,速度场预测仍需处理高维噪声,导致训练困难且效率低下。近日,斯坦福大学研究团队提出了 Asymmetric...
    图像模型# AsymFlow# AsymFLUX.2 klein
    6个月前
    2770
    Krea 正式发布Krea 2:从零构建的首个基础模型,支持 4 重风格参考与概念级情绪板

    Krea 正式发布Krea 2:从零构建的首个基础模型,支持 4 重风格参考与概念级情绪板

    在 AI 绘画领域,如何平衡“创造力”与“控制力”一直是最大的挑战。今天,Krea 正式推出其首个完全从零构建的基础模型——Krea 2。 地址:https://www.krea.ai/krea-2 ...
    图像模型早报# Krea# Krea 2
    6个月前
    4830
    智象未来发布HiDream-O1-Image:8B 参数原生统一生图模型,无需 VAE 与独立文本编码器

    智象未来发布HiDream-O1-Image:8B 参数原生统一生图模型,无需 VAE 与独立文本编码器

    在文生图领域,传统模型往往依赖复杂的流水线:独立的文本编码器(如 CLIP/T5)、潜空间压缩器(VAE)以及扩散主干网络。北京智象未来发布了 HiDream-O1-Image,一款革命性的原生统一图...
    图像模型# HiDream-O1-Image# 智象未来
    6个月前
    4630
    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。
    Medeo

    Medeo

    Medeo 允许用户通过简单的文本描述生成视频,无需复杂的编辑界面。它提供超过数百万的高清视频素材,AI 自动匹配场景素材,并优化脚本、添加配音和背景音乐,完美处理过渡和节奏。此外,它能将网页或文章转为专业视频,支持创建动画故事,并提供个人和社区资产库,方便 A/B 测试和多语言配音。
    RSS-AIGC

    RSS-AIGC

    RSS-AIGC是一个非常简易的现代化的 RSS 订阅与 AI 内容聚合平台,专为内容创作者、研究人员和知识工作者设计。系统集成了 AI 报告生成、飞书机器人推送、多源内容聚合等高级功能,帮助用户高效地获取、管理和分析来自 Hacker News、GitHub、ArXiv 等专业平台的内容
    FeedCraft

    FeedCraft

    FeedCraft 是一个简单、强大的 RSS 源处理工具. 他可以作为一个中间件处理你的RSS源, 你可以用它来提取正文、智能翻译、通过AI生成文章摘要、通过自然语言筛选文章等. 它内置了可视化 RSS 生成器 (HTML/Curl/Search to RSS),支持将网页、API (Curl) 或搜索结果转换为 RSS 订阅源。
    Panda Video Generator(熊猫视频自动化引擎)

    Panda Video Generator(熊猫视频自动化引擎)

    Panda Video Generator(熊猫视频自动化引擎)是一站式全自动化的视频内容生成与发布引擎,支持从网页内容提取、文本转视频到多平台发布的完整工作流。通过 AI 驱动的文本转语音(TTS)技术和视频渲染引擎,帮助内容创作者快速生成高质量视频并一键发布到多个平台。
    Click Sync 

    Click Sync 

    Click Sync 是一个基于 WebHID 的多品牌鼠标网页驱动控制台,目标是把不同品牌的配置能力统一到一个浏览器应用里完成,不需要安装本地驱动程序。
    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。
      Medeo

      Medeo

      Medeo 允许用户通过简单的文本描述生成视频,无需复杂的编辑界面。它提供超过数百万的高清视频素材,AI 自动匹配场景素材,并优化脚本、添加配音和背景音乐,完美处理过渡和节奏。此外,它能将网页或文章转为专业视频,支持创建动画故事,并提供个人和社区资产库,方便 A/B 测试和多语言配音。
      RSS-AIGC

      RSS-AIGC

      RSS-AIGC是一个非常简易的现代化的 RSS 订阅与 AI 内容聚合平台,专为内容创作者、研究人员和知识工作者设计。系统集成了 AI 报告生成、飞书机器人推送、多源内容聚合等高级功能,帮助用户高效地获取、管理和分析来自 Hacker News、GitHub、ArXiv 等专业平台的内容
      FeedCraft

      FeedCraft

      FeedCraft 是一个简单、强大的 RSS 源处理工具. 他可以作为一个中间件处理你的RSS源, 你可以用它来提取正文、智能翻译、通过AI生成文章摘要、通过自然语言筛选文章等. 它内置了可视化 RSS 生成器 (HTML/Curl/Search to RSS),支持将网页、API (Curl) 或搜索结果转换为 RSS 订阅源。
      Panda Video Generator(熊猫视频自动化引擎)

      Panda Video Generator(熊猫视频自动化引擎)

      Panda Video Generator(熊猫视频自动化引擎)是一站式全自动化的视频内容生成与发布引擎,支持从网页内容提取、文本转视频到多平台发布的完整工作流。通过 AI 驱动的文本转语音(TTS)技术和视频渲染引擎,帮助内容创作者快速生成高质量视频并一键发布到多个平台。
      Click Sync 

      Click Sync 

      Click Sync 是一个基于 WebHID 的多品牌鼠标网页驱动控制台,目标是把不同品牌的配置能力统一到一个浏览器应用里完成,不需要安装本地驱动程序。
      查看完整榜单