扩散模型
  1. 首页
  2. 扩散模型

列表

DiffEditor

DiffEditor

DiffEditor是由北京大学深圳研究生院与腾讯PCG联合研发的图像编辑工具，基于扩散模型，结合图像与文本提示，支持细粒度对象移动、尺寸调整、内容拖动及跨图像编辑。采用区域随机微分方程（Regional SDE）和时间旅行策略，提升编辑准确性和灵活性。无需额外训练即可实现高效图像处理，适用于创意设计、人像修复和风景优化等场景。
AI项目与工具 2025年06月12日
LanDiff

LanDiff

LanDiff是一种结合自回归语言模型和扩散模型的文本到视频生成框架，采用粗到细的生成策略，有效提升语义理解与视觉质量。其核心功能包括高效语义压缩、高质量视频生成、语义一致性保障及灵活控制能力。支持长视频生成，降低计算成本，适用于视频制作、VR/AR、教育及社交媒体等多个领域。
AI项目与工具 2025年06月12日
Prometheus

Prometheus

Prometheus是一款基于潜在扩散模型的3D生成工具，能够从文本描述中快速生成高质量、高保真的3D场景。其核心技术包括两阶段训练框架、RGB-D潜在空间解耦、前馈生成策略和无分类器引导，确保生成结果在视觉和几何上的准确性与一致性。适用于内容创作、游戏开发、建筑设计等多个领域，显著提升了3D内容生成的效率和质量。
AI项目与工具 2025年06月12日
EyeDiff

EyeDiff

EyeDiff是一款基于扩散模型的文本到图像生成工具，专为多模态眼科图像生成设计。通过自然语言提示，EyeDiff能够捕捉常见及罕见眼病的关键特征，显著提升诊断准确性。该工具采用CLIP文本编码器与交叉注意力机制，结合潜在扩散模型（LDM），生成高质量、与文本高度一致的图像，适用于数据增强、疾病筛查、数据共享及医学教育等场景。
AI项目与工具 2025年06月12日
Sonauto AI

Sonauto AI

一款AI音乐生成器，允许用户通过将文本提示、歌词或旋律转换为完整的不同风格的歌曲。它采用了潜在扩散模型，这使得它与其他人工智能音乐生成模型相比更加可控。
Ai语音工具 2025年06月05日
IDM

IDM

IDM-VTON是一种基于改进扩散模型的先进AI虚拟试穿技术，由韩国科学技术院和OMNIOUS.AI的研究人员共同开发。该技术利用视觉编码器提取服装的高级语义信息，并通过GarmentNet捕捉服装的低级细节特征，从而生成逼真的人物穿戴图像。IDM-VTON支持文本提示理解，实现了个性化定制和逼真的试穿效果，广泛应用于电子商务、时尚零售、个性化推荐、社交媒体以及时尚设计等领域。
AI项目与工具 2024年01月01日
HoloPart

HoloPart

HoloPart 是一种基于扩散模型的 3D 分割工具，能准确识别并补全被遮挡的语义部件，支持几何与材质编辑等任务。其两阶段方法结合局部与全局注意力机制，提升分割精度与一致性。适用于动画制作、几何优化及数据生成等领域，已在多个数据集上取得优异性能。
AI项目与工具 2025年06月11日
Add

Add

Add-it是一款无需训练的图像编辑工具，允许用户通过文本指令在图像中插入新对象。其核心功能包括保持场景结构一致性、确保对象自然融合、支持非真实感图像处理等。Add-it采用扩展的注意力机制和主题引导潜在混合技术，无需额外训练即可实现高质量图像编辑。广泛适用于广告、内容创作、影视制作等领域。
AI项目与工具 2025年06月12日
混元DiT

混元DiT

混元DiT（Hunyuan-DiT）是腾讯混元团队开源的高性能文本到图像的扩散Transformer模型，具备细粒度的中英文理解能力，能够生成多分辨率的高质量图像。该模型结合了双语CLIP和多语言T5编码器，通过精心设计的数据管道进行训练和优化。混元DiT的主要功能包括双语文本到图像生成、细粒度中文元素理解、长文本处理能力、多尺寸图像生成、多轮对话和上下文理解、高一致性和艺术性。此外，混元DiT在
AI项目与工具 2024年01月01日
FantasyTalking

FantasyTalking

FantasyTalking是一种由阿里巴巴AMAP团队与北京邮电大学联合开发的AI工具，能够从静态肖像生成高质量、可动画化的虚拟形象。该工具采用双阶段视听对齐策略，结合面部专注的交叉注意力模块和运动强度调制模块，实现精准口型同步、丰富表情生成及全身动作控制。支持多种风格和姿态，适用于游戏、影视、VR/AR、虚拟主播及教育等领域。
AI项目与工具 2025年06月11日