图像

1. 首页
2. 图像

QLIP

QLIP是一种基于二进制球形量化（BSQ）的视觉标记化方法，具备高质量图像重建和零样本图像理解能力。通过对比学习目标和两阶段训练策略，QLIP可作为视觉编码器或图像标记器，广泛应用于多模态任务，如文本到图像生成、图像到文本生成及多模态理解。其技术设计提升了模型的语义表达与训练效率，为统一多模态模型的开发提供了新思路。

AI项目与工具 2025年06月11日 18 点赞 0 评论 735 浏览

Stable Video Diffusion

Stable Video Diffusion是一种先进的生成式人工智能视频模型，将图像转换为视频，从而改变了视频生成领域。

Ai视频生成 2025年06月05日 32 点赞 0 评论 734 浏览

Boow

Boow-VTON是一种基于先进图像生成技术和数据增强方法的虚拟试衣技术，无需精确遮罩即可实现高质量试穿效果。该工具通过试穿定位损失和注意力机制，精准识别试穿区域并确保服装自然贴合人体，支持多服装试穿且操作简便。其应用场景包括在线购物、时尚零售、个性化推荐、社交媒体互动及服装设计等多个领域，具有广泛的商业应用价值。

AI项目与工具 2025年06月12日 49 点赞 0 评论 734 浏览

Kive

Kive是一个基于AI技术的创意内容生成平台，帮助品牌和创作者快速生成、管理和扩展符合品牌形象的视觉内容。用户通过文字描述即可生成高质量的图片和视频，支持将真实产品图片融入AI生成场景中，提升视觉吸引力。平台提供创意资产管理功能，自动分类和索引视觉资产，提升工作效率。Kive适用于社交媒体内容创作、广告制作、品牌推广、创意设计和产品展示等多种场景。

AI项目与工具 2025年06月11日 90 点赞 0 评论 734 浏览

Minister AI

Minister AI是一款免费使用的AI绘图工具，登录即用的在线Stable Diffusion，支持海量模型上传下载。

Ai绘画生成 2025年06月05日 28 点赞 0 评论 732 浏览

LBM

LBM（Latent Bridge Matching）是一种基于潜在空间桥接匹配的图像到图像转换框架，支持目标移除、图像重光照、深度图生成等多种任务。通过布朗桥和随机微分方程实现高效且多样化的图像转换，具备良好的可控性和视觉一致性。适用于摄影、设计、3D建模等多个领域，具有广泛的应用前景。

AI项目与工具 2025年06月11日 40 点赞 0 评论 731 浏览

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 67 点赞 0 评论 730 浏览

GarDiff

GarDiff是一款基于人工智能的虚拟试穿工具，采用CLIP和VAE编码提取服装外观先验，并结合服装聚焦适配器和高频细节增强算法，生成高保真试穿图像。它能够精准对齐服装与人体姿态，保留复杂图案与纹理，适用于电子商务、时尚设计、个性化推荐、社交媒体、虚拟时尚秀及游戏等多个领域，提供真实且沉浸式的在线试穿体验。

AI项目与工具 2025年06月12日 55 点赞 0 评论 730 浏览

Amazon Bedrock

Amazon Bedrock是一款由AWS推出的完全托管型AI服务平台，集成了多家顶级AI公司的基础模型，支持企业通过单一API访问高性能模型。它提供了从基础模型接入、微调到代理构建的一系列功能，包括检索增强生成（RAG）、自动推理检查及多Agent协作等特性。此外，其模型蒸馏技术能够有效提升效率并降低运行成本，广泛适用于文本生成、虚拟助手、图像生成等多种应用场景。

AI项目与工具 2025年06月12日 88 点赞 0 评论 729 浏览

Pixtral 12B

Pixtral 12B是一款由法国初创企业Mistral开发的多模态AI模型，能够同时处理图像和文本数据。该模型包含120亿参数，大小约为24GB，基于Nemo 12B文本模型构建。它具备强大的图像和文本处理能力，能够执行图像描述生成、统计照片中的物体数量等任务，并在多个基准测试中表现出色。Pixtral 12B将根据Apache 2.0许可证开源，用户可以自由下载和微调该模型。应用场景广泛，包括

AI项目与工具 2025年06月12日 69 点赞 0 评论 729 浏览