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
    X2SAM:中山大学发布统一图像-视频分割 MLLM,一句话精准圈出任意物体,支持对话式交互与稳定追踪

    X2SAM:中山大学发布统一图像-视频分割 MLLM,一句话精准圈出任意物体,支持对话式交互与稳定追踪

    在多模态大语言模型(MLLM)飞速发展的今天,AI 已经能流畅地“看图说话”,但在像素级精准感知——即准确圈出画面中的特定物体——方面仍显笨拙。与此同时,像 SAM(Segment Anything ...
    图像模型# X2SAM# 图像-视频分割模型
    6个月前
    3200
    Walkyrie 1.3B:基于 Wan2.1 架构的轻量级文本生图模型,6GB 显存即可运行的高质量 T2I 新选择

    Walkyrie 1.3B:基于 Wan2.1 架构的轻量级文本生图模型,6GB 显存即可运行的高质量 T2I 新选择

    在大型扩散模型日益臃肿的今天,如何在有限硬件上获得高质量生成效果成为一大挑战。Walkyrie 1.3B 是一个从强大的 Wan2.1-T2V-1.3B(文生视频)模型衍生而来的**文生图(T2I...
    图像模型插件# Walkyrie 1.3B# Wan2.1
    6个月前
    3780
    清华 x 腾讯混元发布 Meta-CoT:让 AI 修图“先思考后动手”,复杂指令理解力提升 15.8%

    清华 x 腾讯混元发布 Meta-CoT:让 AI 修图“先思考后动手”,复杂指令理解力提升 15.8%

    在 AI 图像编辑领域,我们常遇到这样的尴尬:AI 虽然能听懂简单的“添加”或“删除”指令,但面对复杂描述(如“把相机视角移到车内”、“让人物变老同时保持背景不变”)时,往往出现“想的和做的不一样...
    图像模型# Meta-CoT
    7个月前
    2330
    清华 x 腾讯混元发布 RvR:用“重生成”取代“局部修图”,解决 AI 绘图不听话难题

    清华 x 腾讯混元发布 RvR:用“重生成”取代“局部修图”,解决 AI 绘图不听话难题

    在文字生成图片(Text-to-Image)领域,我们常遇到这样的尴尬:AI 生成的画面大体不错,但细节却“不听话”——物体数量不对、位置错乱、风格偏差,甚至完全忽略否定词(如“没有猫”)。传统的优化...
    图像模型# RvR# 修图
    7个月前
    2200
    Tuna-2:Meta AI 提出无编码器统一多模态模型,像素级端到端训练超越传统架构

    Tuna-2:Meta AI 提出无编码器统一多模态模型,像素级端到端训练超越传统架构

    在当前的统一多模态模型(Unified Multimodal Models)中,预训练的视觉编码器(如 VAE 或 CLIP)几乎是标配。这种模块化设计虽然成熟,却带来了一个根本性问题:理解任务与生成...
    图像模型# Meta AI# Tuna-2# 多模态模型
    7个月前
    2470
    Meta 推出的超高分辨率人体视觉基础模型Sapiens2

    Meta 推出的超高分辨率人体视觉基础模型Sapiens2

    Sapiens2 是 Meta AI 最新推出的一系列以人为中心的计算机视觉模型。它在 10 亿张高质量人类图像上进行了预训练,旨在解决传统人体视觉模型在细节还原与语义理解之间难以兼顾的痛点。Sapi...
    图像模型# Meta# Sapiens2
    7个月前
    2980
    OpenAI正式发布ChatGPT Images 2.0:内置推理能力,支持多语言文本和批量图像生成

    OpenAI正式发布ChatGPT Images 2.0:内置推理能力,支持多语言文本和批量图像生成

    OpenAI 正式推出 ChatGPT Images 2.0(API 模型名为 gpt-image-2),标志着 AI 图像生成从单纯的“像素绘制”向“视觉推理”的范式转变。基于全新的底层架构,该模型...
    图像模型早报# ChatGPT Images 2.0# OpenAI
    7个月前
    6890
    百度开源 ERNIE-Image:8B 参数打造开源文生图新标杆,精准文本渲染与结构化生成能力卓越

    百度开源 ERNIE-Image:8B 参数打造开源文生图新标杆,精准文本渲染与结构化生成能力卓越

    百度 ERNIE-Image 团队正式开源了其最新文生图模型 ERNIE-Image。该模型基于单流扩散变换器(DiT)架构,拥有 80 亿(8B)参数,并配备一个轻量级的 3B 提示增强器(Prom...
    图像模型# ERNIE-Image# 文生图模型# 百度
    7个月前
    3350
    微软发布 MAI-Image-2-Efficient:速度提升 22%,成本降低 41% 的企业级图像生成模型

    微软发布 MAI-Image-2-Efficient:速度提升 22%,成本降低 41% 的企业级图像生成模型

    微软正式推出 MAI-Image-2-Efficient,这是其旗舰图像生成模型 MAI-Image-2 的轻量化、高效率版本。该模型专为需要大规模生成视觉内容的企业团队设计,在保持高质量输出的同时...
    图像模型早报# MAI-Image-2-Efficient# 微软
    7个月前
    2860
    AI 修图终于“指哪打哪”:SpatialEdit 实现精准空间操控,告别画面扭曲

    AI 修图终于“指哪打哪”:SpatialEdit 实现精准空间操控,告别画面扭曲

    现在的 AI 画图工具,大多有个“通病”:你让它“把车往左挪一点”,它可能给你换了一辆车;你让它“旋转 30 度”,它可能直接把车轮画歪了。 它们懂语义,但不懂空间。 最近,由香港大学、京东探索研究院...
    图像模型# SpatialEdit# 图像编辑
    7个月前
    3310
    京东发布 JoyAI-Image:集图像理解、文生图及指令引导编辑于一体的统一多模态基础模型

    京东发布 JoyAI-Image:集图像理解、文生图及指令引导编辑于一体的统一多模态基础模型

    京东今日正式发布 JoyAI-Image,这是一款集图像理解、文生图(T2I)及指令引导编辑于一体的统一多模态基础模型。不同于传统模型将理解与生成割裂处理,JoyAI-Image 的核心理念是构建“理...
    图像模型# JoyAI-Image# 京东
    8个月前
    4840
    阿里巴巴发布 Wan2.7-Image:集图像生成与编辑于一体的统一模型,人更真、字更稳、色更准

    阿里巴巴发布 Wan2.7-Image:集图像生成与编辑于一体的统一模型,人更真、字更稳、色更准

    阿里巴巴今日正式发布 Wan2.7-Image,一款集图像生成与编辑于一体的统一模型。专为对内容品质有极致要求的创作者打造,Wan2.7-Image 直击当前 AI 生图领域的三大痛点:人物同质化(A...
    图像模型# Wan2.7-Image# 阿里巴巴
    8个月前
    4690
    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。
    RAPTOR

    RAPTOR

    RAPTOR 是一个基于 Claude Code 的自主攻防安全研究框架。它通过智能体工作流与自动化赋能安全研究。
    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。
    ChromeClaw 

    ChromeClaw 

    ChromeClaw是一个轻量级的、受 OpenClaw 启发的 AI 智能体,完全在 Chrome 浏览器沙箱中运行——支持多提供商大语言模型、消息渠道、语音、记忆、智能体和浏览器自动化。
    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。
      RAPTOR

      RAPTOR

      RAPTOR 是一个基于 Claude Code 的自主攻防安全研究框架。它通过智能体工作流与自动化赋能安全研究。
      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。
      ChromeClaw 

      ChromeClaw 

      ChromeClaw是一个轻量级的、受 OpenClaw 启发的 AI 智能体,完全在 Chrome 浏览器沙箱中运行——支持多提供商大语言模型、消息渠道、语音、记忆、智能体和浏览器自动化。
      查看完整榜单