图像 - 智狐AI导航

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器，通过结合局部与全局token，提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息，增强细节感知能力。在多个基准测试中表现优异，尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略，提高模型泛化能力，适用于视觉问答、图像字幕生成、跨模态检索等多种场景。

AI项目与工具 2025年06月12日 38 点赞 0 评论 723 浏览

HyperBooth.Ai

人工智能个性化照片写真生成器。只需上传一张输入照片，HyperBooth.Ai即可在 30 秒或更短的时间内生成您喜欢的风格的 AI照片。

Ai图片处理 2025年06月05日 30 点赞 0 评论 722 浏览

浦语灵笔

浦语灵笔IXC-2.5是一款由上海人工智能实验室开发的多模态大模型，具备7B规模的大型语言模型后端，能够处理长上下文、超高分辨率图像和细粒度视频理解，支持多轮多图像对话。该模型可以自动生成网页代码和高质量图文内容，在多模态基准测试中表现出色，性能可与OpenAI的GPT-4V相媲美。

AI项目与工具 2025年06月12日 62 点赞 0 评论 721 浏览

Make-A-Character

创新的3D角色生成框架，它通过文本描述快速创建逼真的3D角色，具有高度的定制性和逼真度。它结合了最新的人工智能技术，提供了一个直观、灵活且高效的角色创建解决方案，适用于多...

Ai平台模型 1970年01月01日 0 点赞 0 评论 721 浏览

VQAScore

VQAScore是一种基于视觉问答（VQA）模型的评估工具，用于衡量文本提示生成图像的质量。它通过计算回答“是”概率的方式评估图像与文本提示的对齐程度，无需额外标注，提供更精确的结果。VQAScore支持多种生成任务，包括图像、视频及3D模型，并能作为多模态学习的研究工具，在自动化测试和质量控制中发挥重要作用。

AI项目与工具 2025年06月12日 86 点赞 0 评论 720 浏览

SigStyle

SigStyle是一款由多所高校与Adobe合作开发的签名风格迁移框架，能将单张风格图像的视觉特征（如几何结构、色彩和笔触）精准迁移到目标图像，同时保持内容的语义和结构。其核心技术基于个性化文本到图像扩散模型，结合超网络和时间感知注意力交换技术，实现高效且高质量的风格迁移。支持多种应用场景，如艺术创作、时尚设计、影视制作等，具备灵活性和广泛适用性。

AI项目与工具 2025年06月12日 63 点赞 0 评论 720 浏览

SelfyzAI

SelfyzAI是一款由万兴科技推出的AI驱动型照片和视频编辑工具，具备照片舞蹈动画、AI艺术滤镜、面部修图、背景替换及身体编辑等功能。它能够将静态图像转换为动态视频，适用于社交媒体内容创作、个人照片优化及创意摄影等多种场景，提升用户的视觉表达能力与趣味性体验。

AI项目与工具 2025年06月12日 99 点赞 0 评论 720 浏览

DAM

DAM-3B是英伟达开发的多模态大语言模型，专用于图像和视频中特定区域的详细描述。支持点、边界框、涂鸦或掩码等方式指定目标区域，生成精准文本描述。其核心技术包括焦点提示与局部视觉骨干网络，有效融合全局与局部特征。DAM-3B-Video版本扩展至视频处理，适用于动态场景。模型基于Transformer架构，支持多模态输入，广泛应用于内容创作、智能交互及无障碍工具等领域。

AI项目与工具 2025年06月11日 56 点赞 0 评论 720 浏览

Krut AI

Krut AI是一款专注于电商领域的AI图像生成工具，提供产品图像生成、模特照片创作、背景移除、图像放大、虚拟试穿等多项功能。用户可通过文本或图片输入快速生成高质量视觉内容，无需复杂操作。平台适用于电商产品展示、广告设计、社交媒体内容制作等多个场景，支持多语言内容生成，助力企业提升视觉表现力和运营效率。

AI项目与工具 2025年06月12日 23 点赞 0 评论 720 浏览

妙刷

妙刷是一款由美团推出的AI创作工具，支持修图、文本生图、音频生图及视频生成等功能，可将日常素材转化为艺术作品，如拟人化宠物、魔幻风景等，同时定期更新玩法和特效以保持新鲜感。