图像
  1. 首页
  2. 图像

列表

k1 视觉思考模型

k1 视觉思考模型

K1视觉思考模型是一款基于强化学习的AI工具，支持端到端图像理解和思维链技术，适用于数学、物理、化学等基础科学领域。该模型可直接处理图像信息并生成推理思维链，具有优秀的字符识别能力和跨学科问题解决能力，广泛应用于教育、科研、艺术等领域。
AI项目与工具 2025年06月12日
SnapGen

SnapGen

SnapGen是一款由Snap Inc、香港科技大学和墨尔本大学联合开发的文本到图像扩散模型，专为移动设备设计，支持在1.4秒内生成1024×1024像素的高分辨率图像。它通过优化网络架构、跨架构知识蒸馏和对抗性训练等技术，在保持小模型规模的同时，提供了高质量的图像生成能力，适用于社交媒体、移动应用、教育、新闻等多个领域。
AI项目与工具 2025年06月12日
Megrez

Megrez

Megrez-3B-Omni是一款具备全模态理解能力的开源模型，支持图像、音频和文本的综合处理，具备强大的推理效率和多模态交互功能。它能够在多个权威测试集中展现卓越性能，尤其擅长场景理解、OCR识别及语言生成等任务，同时通过智能WebSearch调用增强问题解答能力，适用于个人助理、智能家居、车载系统等多种应用场景。
AI项目与工具 2025年06月12日
Whisk

Whisk

Whisk是一款基于AI的图像生成工具，由谷歌推出，支持用户通过上传图像并指定主题、场景和风格生成新图像。它具备多图像输入、自动图像提示及额外文字细节添加等功能，基于谷歌最新的Imagen 3模型，适用于艺术创作、广告营销、社交媒体内容生产等多个领域，助力用户高效完成创意设计。
AI项目与工具 2025年06月12日
BrushEdit

BrushEdit

BrushEdit是一款基于多模态大型语言模型和双分支图像修复模型的先进图像编辑框架，支持用户通过自然语言指令进行自由形式的多轮交互式编辑操作。其核心功能包括指令引导的图像编辑、多轮交互式编辑、自由形式掩码编辑、背景与前景处理以及图像修复。该工具通过特征融合、零卷积层和混合微调策略，实现了对编辑区域的精准控制和背景的无缝衔接，适用于内容创作、影视修复、广告设计、社交媒体分享及电商产品图片优化等多个
AI项目与工具 2025年06月12日
Leffa

Leffa

Leffa是一种基于注意力机制的可控人物图像生成框架，通过流场学习精确控制人物的外观和姿势。其核心技术包括正则化损失函数、空间一致性及模型无关性，能够在保持细节的同时提升图像质量。Leffa广泛应用于虚拟试穿、增强现实、游戏开发及影视后期制作等领域，展现出卓越的性能与灵活性。
AI项目与工具 2025年06月12日
LatentLM

LatentLM

LatentLM是一款由微软与清华大学合作开发的多模态生成模型，能够统一处理文本、图像、音频等多种数据类型。它基于变分自编码器（VAE）和因果Transformer架构，支持自回归生成与跨模态信息共享，特别擅长图像生成、多模态语言模型及文本到语音合成等任务，其提出的σ-VAE进一步提升了模型的鲁棒性。
AI项目与工具 2025年06月12日
Manga Image Translator

Manga Image Translator

Manga Image Translator 是一个开源的漫画图片文字翻译工具，基于 OCR 和机器翻译技术，实现对漫画和图片中文字的自动识别与翻译。它支持多语言翻译，包括日文、中文、英文和韩文，并具备图像合成能力，保持原图风格。工具提供批量处理和在线/离线翻译功能，适用于漫画爱好者、语言学习者以及出版商等用户群体。
AI项目与工具 2025年06月12日
Ivy

Ivy

Ivy-VL是一款专为移动端和边缘设备设计的轻量级多模态AI模型，具备约30亿参数，专注于视觉问答、图像描述及复杂推理等任务，能够有效降低计算资源需求，同时在多模态任务中表现出色，尤其适用于增强现实、智能家居及移动学习等领域。
AI项目与工具 2025年06月12日
ColorFlow

ColorFlow

ColorFlow是一款由清华大学与腾讯ARC实验室联合研发的图像序列着色模型，具备检索增强、上下文学习及超分辨率技术，能够精准保持个体身份并实现高质量着色。该工具在漫画、动画制作、老照片修复及艺术创作等领域具有广泛应用价值，同时支持学术研究和技术探索。
AI项目与工具 2025年06月12日