图像生成模型

Qwen-Image-Edit：根据文本指令编辑图片的AI模型

Qwen-Image-Edit 是由阿里巴巴通义千问团队开发的一款图像编辑AI模型。 它基于拥有200亿参数的Qwen-Image模型进行训练，核心功能是让用户通过简单的中文或英文文字指令，对图片进行修改。 这款模型同时利用了视觉...

Qwen-Image：生成高保真图像与精准文本渲染的AI工具

Qwen-Image 是一个由 Qwen 团队开发的 20B 参数多模态扩散模型（MMDiT），专注于高保真图像生成和精准文本渲染。它在复杂文本处理（尤其是中文和英文）以及图像编辑方面表现卓越。模型支持多种艺术风格，如写实、...

SkyworkUniPic：统一处理图像理解与生成的开源模型

SkyworkUniPic 是由 SkyworkAI 开发的一个开源多模态模型，专注于图像理解、文本生成图像和图像编辑。它使用单一的 1.5 亿参数架构，整合了三种视觉语言任务。用户可以在消费级 GPU（如 RTX 4090）上运行 102...

FLUX.1 Krea：免费生成高真实感图像的开源工具

FLUX.1 Krea [dev] 是由 Black Forest Labs 和 Krea AI 合作开发的一款开源图像生成工具，托管在 Hugging Face 平台。它基于 120 亿参数的 rectified flow transfo...

Diffuman4D: 从稀疏视频生成高保真4D人体视图

Diffuman4D 是一个由浙江大学 ZJU3DV 研究团队开发的项目，专注于从稀疏视图视频生成高保真的4D人体视图。项目结合了时空扩散模型和 4DGS（4D Gaussian Splatting）技术，解决了传统方法在稀疏输入下难以生成...

推出 FLUX.1 Kontext 与 BFL Playground

今天，我们隆重发布 FLUX.1 Kontext —— 一套生成式流匹配模型（generative flow matching models），支持图像的生成与编辑。与现有文本生成图像模型不同，FLUX.1 Kontext 系列支持上下文感...

PartCrafter：从单张图片生成可编辑3D零件模型

PartCrafter 是一个创新的开源项目，专注于从单张RGB图片生成可编辑的3D零件模型。它采用先进的结构化3D生成技术，通过单一图像同时生成多个具有语义意义的3D零件，适用于游戏开发、产品设计等领域。项目基于预训...

HiDream-I1

HiDream-I1是一个开源的图像生成基础模型，拥有170亿参数，能够快速生成高质量图像。用户只需输入文字描述，模型即可生成包括写实、卡通、艺术等多种风格的图像。该项目由HiDream.ai团队开发，托管在GitHub上，采...

Imagen 4

Google DeepMind 近期推出的 Imagen 4 模型，作为其图像生成技术的最新迭代，正迅速成为行业焦点。该模型在提升图像的丰富性、细节精确度以及生成速度方面取得了显著进展，致力于将用户的想象力以前所未有的方式...

StarVector：从图像和文字生成SVG矢量图的基础模型

StarVector 是一个开源项目，它由 Juan A. Rodriguez 等开发者创建，目的是将图像和文字转化为可缩放矢量图形（SVG）。这个工具使用视觉语言模型，能够理解图像内容和文字指令，生成高质量的 SVG 代码。它的核心...

AnyText

AnyText是一个革命性的多语言视觉文本生成和编辑工具，基于扩散模型开发。它能够在图像中生成自然、高质量的多语种文本，并支持灵活的文本编辑功能。该项目由研究团队开发，并在ICLR 2024会议上获得Spotlight荣誉...

OmniGen

OmniGen 是一个由 VectorSpaceLab（智源） 开发的“通用”图像生成模型，允许用户通过简单的文本提示或多模态输入来创建多样化且具有上下文丰富的视觉效果。它特别适合于需要识别人物和一致性角色渲染的场景。用户...

CogView3：智谱轻言开源的级联扩散文本生成图像模型

综合介绍 CogView3 是由清华大学和智囊团队（智谱清言）开发的先进文本生成图像系统。它基于级联扩散模型，通过多阶段生成高分辨率图像。CogView3 的主要特点包括多阶段生成、创新架构和高效性能，适用于艺术创作...