图像

Kimi

Kimi-VL是月之暗面推出的轻量级多模态视觉语言模型,支持图像、视频、文档等多种输入形式。其基于轻量级MoE架构和原生分辨率视觉编码器,具备强大的图像感知、数学推理和OCR能力。在长上下文(128K)和复杂任务中表现优异,尤其在多模态推理和长视频理解方面超越同类模型。适用于智能客服、教育、医疗、内容创作等多个领域。

Object Cutter

Object Cutter是一款基于AI的智能图像处理工具,支持文字指令和框选操作,实现高精度图像分割。它能够自动识别并抠出图像中的特定对象,尤其擅长处理复杂背景和细节丰富的图像。其主要功能包括智能抠图、背景移除和高精度图像分割,广泛应用于电商展示、设计创作、影视后期及个人照片编辑等领域。

Cleanup Pictures

CleanUp.pictures 是一款开源的在线图片编辑工具,它可以通过魔术橡皮擦,快速删掉任何图片中不需要的部分,简单快捷。

Foxify.Art

一个专门根据用户输入文本提示使用AI技术生成动漫图像的网站。用户可以输入文本提示,Foxify 会根据该提示生成图像。

Transmonkey AI

一款由AI驱动的翻译软件,支持超过 130 种语言,包括英语、中文、日语、阿拉伯语、法语、德语、希伯来语、印尼语等,并能处理文档、视频、图片和音频等各种文件格式。

Colormind

Colormind 是一款基于 AI 技术的颜色方案生成工具,能够根据图片或数据集自动生成协调的配色方案。用户可自定义颜色并探索不同风格,适用于平面设计、影视、游戏开发、时尚创作等多个领域。该工具支持 API 接口,便于集成到各类项目中,是设计师和创意工作者的理想助手。

MUMU

MUMU是一种多模态图像生成模型,通过结合文本提示和参考图像来生成目标图像,提高生成的准确性和质量。该模型基于SDXL的预训练卷积UNet,并融合了视觉语言模型Idefics2的隐藏状态。MUMU能够在风格转换和角色一致性方面展现强大的泛化能力,同时在生成图像时能够很好地保留细节。主要功能包括多模态输入处理、风格转换、角色一致性、细节保留以及条件图像生成。

3DV

3DV-TON是一种基于扩散模型的视频虚拟试穿框架,由阿里巴巴达摩院、湖畔实验室与浙江大学联合研发。该工具通过生成可动画化的纹理化3D网格作为帧级指导,提升试穿视频的视觉质量和时间一致性。其支持复杂服装图案和多样化人体姿态,提供高分辨率基准数据集HR-VVT,适用于在线购物、时尚设计、影视制作等多个领域。

YesChat Ai

一个提供由Claude 2提供动力的聊天机器人服务的网站。用户可以与YesChat Ai聊天机器人进行免费且无限制的对话。

mPLUG

mPLUG-Owl3是一款由阿里巴巴开发的多模态AI模型,专注于理解和处理多图及长视频内容。该模型具备高推理效率和准确性,采用创新的Hyper Attention模块优化视觉与语言信息的融合。它已在多个基准测试中展现出卓越性能,并且其源代码和资源已公开,可供研究和应用。