产品库

4K文本到图像生成的扩散变换器

PixArt-Sigma是一个基于PyTorch的模型定义、预训练权重和推理/采样代码的集合，用于探索4K文本到图像生成的弱到强训练扩散变换器。它支持从低分辨率到高分辨率的图像生成，提供了多种功能和优势，如快速体验、用户友好的代码库和多种模型选择。

训练免费高分辨率图像合成的频率视角

FouriScale从频域分析的角度探讨从预先训练的扩散模型生成高分辨率图像，通过创新的、无需训练的方法，通过将预先训练的扩散模型中的原始卷积层替换为结合膨胀技术和低通操作的方法，通过填充然后裁剪策略进一步增强，实现了灵活处理各种宽高比文本到图像生成。使用FouriScale作为指导，该方法成功平衡了生成图像的结构完整性和保真度，实现了任意尺寸、高分辨率和高质量生成的惊人能力。通过其简单性和兼容性，该方法可以为未来对超高分辨率图像合成的探索提供有价值的见解。

CRM是一个高保真的单图像到3D纹理网格的卷积重建模型

CRM是一个高保真的单图像到3D纹理网格的生成模型，它通过整合几何先验到网络设计中，能够从单个输入图像生成六个正交视图图像，然后利用卷积U-Net创建高分辨率的三平面（triplane）。CRM进一步使用Flexicubes作为几何表示，便于在纹理网格上进行直接的端到端优化。整个模型能够在10秒内从图像生成高保真的纹理网格，无需测试时优化。

高分辨率3D内容生成的多视图高斯模型

LGM是一个用于从文本提示或单视图图像生成高分辨率3D模型的新框架。它的关键见解是:(1) 3D表示:我们提出了多视图高斯特征作为一个高效 yet 强大的表示,然后可以将其融合在一起进行不同iable 渲染。(2) 3D主干:我们呈现了一个不对称U-Net作为一个高通量的主干操作多视图图像,这可以通过利用多视图扩散模型从文本或单视图图像输入中产生。大量的实验表明了我们方法的高保真度和效率。值得注意的是,我们在将训练分辨率提高到512的同时保持生成3D对象的快速速度,从而实现了高分辨率的3D内容生成。

AI图像生成器

DeveloperSoft Gallery是一款AI图像生成器，提供多种风格和尺寸的图像生成选项。用户可以根据需要选择不同的风格、尺寸和功能参数来生成独特的图像。产品具有高分辨率、去背景、增强、多样性等功能，适用于个人和商业用途。DeveloperSoft Gallery提供基础、标准和高级三种定价计划，用户可以根据需求选择适合的计划。

低成本高质量文本到图像生成模型

PIXART-α是一种基于Transformer的文本到图像生成模型，其图像生成质量与最先进的图像生成器相当，支持高分辨率图像合成，训练速度明显优于现有的大规模T2I模型，训练成本低，可节省近30万美元，并减少90%的CO2排放。PIXART-α在图像质量、艺术性和语义控制方面表现出色，可为AIGC社区和初创企业提供新的见解，加速从头开始构建高质量、低成本的生成模型。

高分辨率图像生成模型，快速生成，少步推理

Latent Consistency Models是一种高分辨率图像生成模型，通过少步推理快速生成高保真度图像。LCMs可以从任何预训练的稳定扩散模型中提取，只需要32个A100 GPU小时的训练即可生成高质量的768×768分辨率图像。此外，LCMs还引入了一种名为Latent Consistency Fine-tuning（LCF）的新方法，可以在自定义图像数据集上进行微调，实现定制化图像生成。

大规模的生成对抗网络用于文本到图像的合成

GigaGAN是一种大规模的GAN模型，用于文本到图像的合成。它具有快速的推理速度、高分辨率图像生成能力和可编辑的潜在空间，支持多种潜在空间编辑应用，如潜在插值、样式混合和向量算术操作。GigaGAN可以生成512像素的图像，每秒钟可以生成多达7.7张图像，支持16兆像素的图像合成。它是一种高效的文本到图像合成模型，可用于多种应用场景。

任意格式照片无需裁剪

UNCROP是一款能够轻松生成和扩展您珍贵照片中的人物或背景的工具，让您的肖像照片焕发新生。它可以让您轻松地点击、粘贴或拖放文件来开始使用。UNCROP还支持多种功能，如图像生成、高分辨率图像生成、自动清除图片中的对象、人物、文本和缺陷、提取图片中的主体、重新照明、图像放大、背景替换和文本去除等。

无限创意，让您成为艺术家！

AI概念生成器是一款AI图像生成工具，提供各种选项，帮助您找到完美的图标。拥有精心设计的高分辨率1024x1024图标，提升您项目的质量和专业性。快速生成概念，释放创意。适用于个人、商务或客户的多用途AI图像生成工具。不断更新和新增图标，确保您始终有最新设计可用。以简单的方式发现完美的图标。

使用我们的AI肖像生成器，即可将您的照片立即转换为独特的AI肖像艺术品。探索数百种艺术风格，并创建您完美的艺术肖像。

AIPortrait.Art是一个AI肖像生成器，能够将您的照片在几秒钟内转换为艺术杰作。通过混搭数百种风格，创作出独特的AI艺术肖像。无需艺术技能，只需上传照片即可。数千名用户使用我们的产品来探索、创作和分享完美的艺术肖像。我们提供高分辨率的输出和下载功能。

AI生成专业头像照片，将普通照片提升为专业头像照片，轻松打造个人形象。

HeadshotsWithAI是一款使用先进的人工智能技术生成专业头像照片的产品。它能够将普通照片转化为符合专业摄影标准的头像照片，包括适用于LinkedIn头像、商务头像和视觉吸引力的考虑因素。使用HeadshotsWithAI，您可以在家中轻松完成头像照片拍摄，并以高分辨率下载选择的头像照片，用于网站、LinkedIn个人资料、名片和其他营销材料。

将市场营销活动从构思到上线，一天搞定。使用AI生成营销文案和适应各种渠道的创意，在几秒钟内生成所有尺寸的创意，获取可编辑的Adobe Photoshop创意，包括分层文本、高分辨率产品、背景等。实时协作于一个地方，连接您现有的工具。

Fusion OS是一个营销活动的增强平台，通过使用AI在同一天内生成并发布营销活动，极大地提高了活动的效率。它可以根据客户的要求生成营销文案和创意，为多个渠道生成适应的尺寸，同时还可以生成可编辑的Adobe Photoshop文件，包括分层文本、高分辨率产品、背景等。Fusion OS还提供实时协作功能，让团队成员可以在同一个地方进行协作，并连接现有的工具，集中管理数据和提供AI驱动的增长建议。

将照片从普通变得非凡。上传您的照片，将自己、朋友和家人，甚至宠物转变成令人惊叹的专业图像和艺术品。

PhotoPacks.AI是一个能够将普通照片转化为专业形象和艺术作品的AI工具。通过上传您的照片，我们的AI生成高分辨率头像，可用于您的专业平台，如LinkedIn。我们的产品提供了100%满意度保证，价格实惠且效果逼真。

从单一视频创建实时互动游戏环境

Video2Game是一项技术，可以将单一视频转换成具有实时、互动、真实感和浏览器兼容性的高质量虚拟环境。它通过构建大规模的NeRF模型来实现高质量的表面几何形状，然后将该模型转换为带有对应刚体动力学的网格表示，以支持交互。使用UV映射的神经纹理，既能表达丰富，又与游戏引擎兼容。最终得到的是一个虚拟环境，虚拟角色可以与之互动，响应用户控制，并能从新的相机视角实时提供高分辨率渲染。

基于SDXL的ControlNet Tile模型，适用于Stable Diffusion SDXL ControlNet的高分辨率图像修复。

这是一个基于SDXL的ControlNet Tile模型,使用Hugging Face Diffusers训练集,适用于Stable Diffusion SDXL ControlNet。它最初是为我自己的逼真模型训练,用于终极放大过程以提高图像细节。使用合适的工作流程,它可以为高细节、高分辨率的图像修复提供良好的结果。由于大多数开源没有SDXL Tile模型,我决定分享这个模型。该模型支持高分辨率修复、风格迁移和图像修复等功能,可以为你提供高质量的图像处理体验。

一张图提供人脸，另一张提供发型，第三张提供发色，最终合成一张完整的图片。

HairFastGAN是一种用于高分辨率、接近实时性能和出色重建的发型转移方法。该方法包括在StyleGAN的FS潜在空间中运行的新架构、增强的修复方法以及用于更好的对齐、颜色转移和后处理的改进编码器。在最困难的情况下,该方法可以在不到一秒的时间内将发型形状和颜色从一张图片转移到另一张图片。

支持同时理解和生成图像的多模态大型语言模型

Mini-Gemini是一个多模态视觉语言模型,支持从2B到34B的系列密集和MoE大型语言模型,同时具备图像理解、推理和生成能力。它基于LLaVA构建,利用双视觉编码器提供低分辨率视觉嵌入和高分辨率候选区域,采用补丁信息挖掘在高分辨率区域和低分辨率视觉查询之间进行补丁级挖掘,将文本与图像融合用于理解和生成任务。支持包括COCO、GQA、OCR-VQA、VisualGenome等多个视觉理解基准测试。

StyleSketch：利用有限数据通过生成模型先验提取风格化面部素描

StyleSketch是一种从面部图像中提取高分辨率风格化素描的方法。该方法利用预训练StyleGAN的深层特征的丰富语义，能够仅使用16对人脸和相应素描图像对来训练素描生成器。通过分阶段学习中的部分损失，StyleSketch能够快速收敛并提取高质量的素描。与现有的最先进素描提取方法和少量样本图像适应方法相比，StyleSketch在提取高分辨率抽象面部素描的任务上表现更优。

高分辨率多模态感知 LVLM

Griffon 是第一个具有本地化能力的高分辨率（超过1K）LVLM，可以描述您感兴趣的区域中的所有内容。在最新版本中，Griffon 支持视觉语言共指。您可以输入图像或一些描述。Griffon 在 REC、目标检测、目标计数、视觉/短语定位和 REG 方面表现出色。定价：免费试用。

生成具有动态效果的高分辨率视频的文生视频模型

DynamiCrafter是一种文生视频模型,能够根据输入的图像和文本生成约2秒长的动态视频。这个模型经过训练,可以生成分辨率为576x1024的高分辨率视频。主要优势是能够捕捉输入图像和文本描述的动态效果,生成逼真的短视频内容。适用于视频制作、动画创作等场景,为内容创作者提供高效的生产力工具。该模型目前处于研究阶段,仅供个人和研究用途使用。

Hotshot - ACT 1是一个先进的直接文本到视频合成系统，由Hotshot开发，旨在赋予世界通过视频分享他们的想象力的能力

ACT 1（Advanced Cinematic Transformer）是一个由Hotshot Research开发的直接文本到视频合成系统，它能够生成高清晰度的视频，具有多种宽高比且无水印，提供引人入胜的用户体验。该系统通过使用大规模高分辨率文本视频语料库进行训练，以实现高保真度的空间对齐、时间对齐和审美质量。

AI图片放大增强

ClarityAI.cc是一款高分辨率图片放大增强工具，采用最新的AI技术，可增强图片细节并提供超高分辨率。适用于风景、肖像、插图、动漫、室内设计等各种场景。提供免费选项。

GoEnhance AI是一款基于AI的图文增强工具

GoEnhance AI是一款基于人工智能的图像和视频增强工具。它可以实现视频到视频、图像增强和超分辨率scaling等功能。GoEnhance AI采用了最先进的深度学习算法,可以增强和上采样图像到极致的细节和高分辨率。它简单易用,功能强大,是创作者、设计师等用户释放创意的绝佳工具。

基于视频扩散先验为开放域图像添加动画的工具

DynamiCrafter是一款由Jinbo Xing、Menghan Xia等人开发的图像动画工具。通过利用预训练的视频扩散先验，DynamiCrafter可以基于文本提示为开放域的静止图像添加动画效果。该工具支持高分辨率模型，提供更好的动态效果、更高的分辨率和更强的一致性。DynamiCrafter主要用于故事视频生成、循环视频生成和生成帧插值等场景。

基于双向状态空间模型的高效视觉表示学习框架

Vision Mamba是一个高效的视觉表示学习框架,使用双向Mamba模块构建,可以克服计算和内存限制,进行高分辨率图像的Transformer风格理解。它不依赖自注意力机制,通过位置嵌入和双向状态空间模型压缩视觉表示,实现更高性能,计算和内存效率也更好。该框架在 ImageNet分类、COCO目标检测和ADE20k语义分割任务上,性能优于经典的视觉Transformers,如DeiT,但计算和内存效率提高2.8倍和86.8%。

多功能AI应用，一分钟让你高效

1min.AI是一个多功能的人工智能应用，提供多种AI功能，并且不断扩展。用户可以与多个智能模型进行对话，生成高分辨率图像，提升图像质量，生成类似图像，用文本指令编辑图像，转录音频，翻译音频，文本转语音等。产品定价合理，提供免费试用计划，订阅价格合理，用户只需为使用的功能付费，安全支付保障。另外，1min.AI还提供额外的信用购买选项，每日免费信用额度以及推荐奖励计划。用户可以根据需求灵活购买信用额度，并享受每日免费信用额度。企业用户还可根据需求定制服务套餐。

用于视频超分辨率和去模糊的深度学习模型

FMA-Net是一个用于视频超分辨率和去模糊的深度学习模型。它可以将低分辨率和模糊的视频恢复成高分辨率和清晰的视频。该模型通过流引导的动态过滤和多注意力的迭代特征精炼技术,可以有效处理视频中的大动作,实现视频的联合超分辨率和去模糊。该模型结构简单、效果显著,可以广泛应用于视频增强、编辑等领域。

人工智能驱动的艺术一代

Artful是一个利用人工智能的力量将用户的想法转化为令人惊叹的视觉艺术的应用程序。轻松创作、个人风格适应、无尽的灵感、微调至完美、高分辨率导出、社区参与等功能。适合探索创意表达的未来的用户使用。

多阶段高美感视频生成

MagicVideo-V2是一个集成了文本到图像模型、视频运动生成器、参考图像嵌入模块和帧插值模块的端到端视频生成管道。其架构设计使得MagicVideo-V2能够生成外观美观、高分辨率的视频，具有出色的保真度和平滑性。通过大规模用户评估，它展现出比Runway、Pika 1.0、Morph、Moon Valley和Stable Video Diffusion等领先的文本到视频系统更优越的性能。