图像
  1. 首页
  2. 图像

列表

Gemini Live

Gemini Live

Gemini Live是一款由谷歌开发的智能语音助手，拥有自然语言理解和多模态识别能力，支持语音、图像和视频交互。其主要功能包括自然语言对话、多模态识别、个性化语音选择、任务自动化以及智能打断和续接。此外，Gemini Live还与谷歌的原生应用深度集成，提升用户体验。目标用户包括商务人士、技术探索者、多语言用户、创意人士和老年人。
AI项目与工具 2025年06月12日
Edicho

Edicho

Edicho 是一种基于扩散模型的图像编辑工具，能够在多图像间实现一致性编辑，无需额外训练。其核心技术包括 Corr-Attention 注意力模块和 Corr-CFG 去噪策略，通过显式图像对应关系提升编辑质量与一致性。适用于图像修复、风格转换、内容创作、医学影像增强等场景，具备良好的兼容性与扩展性。
AI项目与工具 2025年06月12日
TokenVerse

TokenVerse

TokenVerse 是一种基于扩散模型的多概念图像生成工具，支持从单图或多图中解耦并组合视觉元素，如物体、材质、姿势等。通过优化调制空间，实现对复杂概念的局部控制，无需微调模型即可生成个性化图像，适用于创意设计、艺术创作和内容生成等多种场景。
AI项目与工具 2025年06月12日
IconifyAI

IconifyAI

IconifyAI是一款基 AI 的应用程序Icon图标生成器，旨在为应用程序和网站创建专业Icon图标。
图片处理 2025年06月05日
Amuse AI

Amuse AI

Amuse 2.0是一款由AMD开发的AI图像生成工具，专为AMD硬件优化，支持在PC上生成高质量图像。它具备设计模式，可将用户的草图和文本提示转化为图像，并提供AI滤镜功能，便于个性化风格的创作。Amuse 2.0 Beta版本集成了AMD XDNA超级分辨率技术，能有效提升图像分辨率。此外，该工具还提供了平衡、快速和质量三种模式，以满足不同用户的需求和偏好。
AI项目与工具 2025年06月12日
Playground v3

Playground v3

Playground v3是一款基于大型语言模型（LLM）的文本到图像生成工具，具备240亿参数量的潜扩散架构（LDM），能够精准理解和生成复杂的图像内容，支持RGB颜色控制和多语言文本生成。其核心功能包括文本到图像生成、图形设计、RGB颜色控制和多语言支持，广泛应用于设计、内容创作、游戏开发、广告等多个领域。
AI项目与工具 2025年06月12日
Amazon Nova

Amazon Nova

Amazon Nova是亚马逊云服务推出的一套强大的AI基础模型系列，涵盖文本、图像和视频生成等多个领域。其核心产品包括Amazon Nova Micro（专注文本处理）、Amazon Nova Lite（多模态低成本模型）、Amazon Nova Pro（多模态平衡型模型）、Amazon Nova Premier（复杂推理模型）、Amazon Nova Canvas（图像生成模型）和Amazon
AI项目与工具 2025年06月12日
FlexiAct

FlexiAct

FlexiAct是由清华大学与腾讯ARC实验室联合研发的动作迁移模型，可在空间结构差异较大的场景下实现精准动作迁移，并保持目标主体的外观一致性。其核心模块包括轻量级RefAdapter和频率感知动作提取（FAE），有效提升跨主体动作迁移的灵活性与准确性。该模型适用于影视、游戏、广告等多个领域，具有良好的应用前景。
AI项目与工具 2025年06月11日
VQAScore

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
DAM

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