圖像生成

LlamaOCR
LlamaOCR

將圖像轉(zhuǎn)換成結(jié)構(gòu)化的Markdown文檔
ComfyUI_AdvancedRefluxControl
ComfyUI_AdvancedRefluxControl

自定義Redux效果強度的圖像處理工具
stable-diffusion-webui-simple-manga-maker
stable-diffusion-webui-simple-manga-maker

一個用于創(chuàng)建簡單漫畫的擴展功能。
Frames
Frames

圖像生成模型，提供前所未有的風格控制。
Qwen2vl-Flux
Qwen2vl-Flux

先進的多模態(tài)圖像生成模型，結(jié)合文本提示和視覺參考生成高質(zhì)量圖像。
OminiControl
OminiControl

FLUX.1的最小且通用的控制器
Random Animal
Random Animal

AI驅(qū)動的動物圖像生成器，快速創(chuàng)建高質(zhì)量動物圖像。
OneDiffusion
OneDiffusion

多功能大規(guī)模擴散模型，支持雙向圖像合成與理解。
Diffusion Self-Distillatio
Diffusion Self-Distillatio

一種用于零樣本定制圖像生成的擴散自蒸餾技術(shù)
TryOffDiff
TryOffDiff

基于擴散模型的高保真服裝重建虛擬試穿技術(shù)
PSHuman
PSHuman

從單張圖片重建逼真的3D人體模型
Luma Photon
Luma Photon

基于突破性架構(gòu)的智能圖像生成模型
Color-diffusion
Color-diffusion

利用擴散模型為黑白圖片上色
Florence-VL
Florence-VL

視覺語言模型增強工具，結(jié)合生成式視覺編碼器和深度廣度融合技術(shù)。
InternVL2_5-38B
InternVL2_5-38B

先進的多模態(tài)大型語言模型系列
InternViT-6B-448px-V2_5
InternViT-6B-448px-V2_5

基于InternViT-6B-448px-V1-5的增強版視覺模型
InternViT-300M-448px-V2_5
InternViT-300M-448px-V2_5

基于InternViT-300M-448px的增強版本，提升視覺特征提取能力。
Graphix
Graphix

AI驅(qū)動的繪畫與照片編輯應用
ComfyUI_HelloMeme
ComfyUI_HelloMeme

基于擴散模型的圖像和視頻生成工具
Kimi視覺思考模型k1
Kimi視覺思考模型k1

基于強化學習技術(shù)的視覺思考模型，理科測試行業(yè)領(lǐng)先
WePOINTS
WePOINTS

WePOINTS項目，提供多模態(tài)模型的統(tǒng)一框架
Megrez-3B-Omni
Megrez-3B-Omni

端側(cè)全模態(tài)理解開源模型
DeepSeek-VL2-Tiny
DeepSeek-VL2-Tiny

先進的大型混合專家視覺語言模型
Whisk
Whisk

革新圖像創(chuàng)作，探索無限可能。
Leffa
Leffa

可控人物圖像生成模型
ComfyUI-HunyuanVideoWrapper-IP2V
ComfyUI-HunyuanVideoWrapper-IP2V

基于HunyuanVideo的視頻生成工具，支持圖像到視頻的轉(zhuǎn)換
ComfyUI-IF_MemoAvatar
ComfyUI-IF_MemoAvatar

基于記憶引導擴散的表達性視頻生成工具
Historical Document Repair
Historical Document Repair

預測受損歷史文檔原始外觀的技術(shù)
ColorFlow
ColorFlow

圖像序列著色模型，保留細粒度身份信息
Ruyi-Mini-7B
Ruyi-Mini-7B

開源圖像到視頻生成模型
Ruyi-Models
Ruyi-Models

一款能夠生成電影級質(zhì)量視頻的圖像到視頻模型
Grok App
Grok App

AI助手，探索宇宙，獲取真實答案
1…5678910