SUR-adapter
ACM MM'23 (口頭報告),SUR-adapter 為預訓練擴散模型提供來自大型語言模型的強大語意理解與推理能力
比較 525 款經過品質篩選的 圖片工具,參考公開熱門度、活躍度、授權與資料來源。
瀏覽經品質篩選的 圖片工具,可依資料來源、收費方式或新舊程度縮小範圍,更快找到合適選項。
ACM MM'23 (口頭報告),SUR-adapter 為預訓練擴散模型提供來自大型語言模型的強大語意理解與推理能力
零GPU閒置閘道,用於在短暫的Google Colab虛擬機上執行ComfyUI,並具備零信任存取
🚀 [ICLR 2026] SenseFlow:擴展分佈匹配以實現基於流式的文字到圖像蒸餾
[CVPR 2026] 論文「HiFi-Inpaint: Towards High-Fidelity Reference-Based Inpainting for Generating Detail-Preserving Human-Product Images」的官方實作。
[ICML 2026] 官方 UniMedVL 實作 — 一個統一的醫學視覺語言模型,用於多模態理解、醫學影像生成,以及交錯任務。
這個儲存庫包含用於處理、壓縮、儲存、串流及視覺化動態與隨時間變化的 4D 幾何資料的程式碼。
適用於網頁和桌面的媒體標註與分析工具。請前往 https://viame.kitware.com 開始使用。
透過文字和圖像提示,保留佈局的逼真室內設計
最新關於(基於RL的)多模態推理與生成在多模態大型語言模型中的進展
[BMVC 2025] 論文 EZIGen 的官方實作:透過精確的主體編碼與解耦引導增強零樣本個人化影像生成
適用於 Claude Code、OpenAI 相容 API 及 GPT Image 的本地 ChatGPT/Codex 工作階段轉接器,附有瀏覽器管理主控台。
我為自己的工作流程製作的 ComfyUI 節點:點擊或輸入以遮罩物件、拖曳手柄進行裁切、旋轉與填補,以及保留原始像素的內補與外補
一個用於生成式資產管線的工作流程引擎。使用 Rust、Python 和 TypeScript 規劃、定價、快取及執行工作流程。
一個用於在圖片中尋找便便的開源演算法與資料集。
Agent 式的 SillyTavern 角色卡酒館:高快取命中,相容酒館角色卡與世界書,自帶配圖與一鍵朗讀,角色形象固定,引導式創作角色卡。Agent 式的 SillyTavern 角色卡播放器
五十個針對 gpt-image-2.5 的提示,每個都附有它產生的確切框架 - 20 個簡短提示和 30 個完整工程簡報,加上一個實測的 Flare 與 Sunburst 比較
[NeurIPS 2025] VT-FSL:以大型語言模型橋接視覺與文字進行少樣本學習
FastAPI 包裝器,用於 Meta AI,提供聊天、圖片生成與影片生成功能。使用 cookie 驗證輕鬆部署。🚀
一個最佳化的手寫數字辨識模型,提供卓越準確度、高效能表現,並相容於低階硬體,由以下功能支援
WPS Office 全系列(文字/表格/簡報/PDF)AI 助手:支援 OpenAI 相容、Anthropic、Codex 等多模型,AI 透過工具呼叫直接讀寫文件;具備圖片生成、MCP 與中英文雙語,適用 Windows、macOS 及 Linux(含國產系統)。
適用於 Meshy AI 3D 生成平台的 MCP 伺服器
一個開源、以代理為原生平台的多模態AI生成平台,建構於DeepSeek Harness之上。每次互動都存在於代理對話和無限畫布中
最完整、最新的AI影像生成模型比較 — 哪個模型、透過哪個API、以什麼價格。
MOSS-Image 無審查 + 寫實快照 LoRA