文本到图像
  1. 首页
  2. 文本到图像

列表

RSIDiff

RSIDiff

RSIDiff 是一种基于递归自训练的文本到图像生成优化框架，通过高质量提示构建、偏好采样和分布加权机制，提升图像质量和与人类偏好的对齐度，减少训练崩溃风险。它具备自演化能力，降低对大规模数据的依赖，广泛应用于艺术创作、广告设计、VR/AR、游戏开发等领域。
AI项目与工具 2025年06月12日
Stability AI开源Stable Diffusion 3 Medium文生图模型

Stability AI开源Stable Diffusion 3 Medium文生图模型

Stable Diffusion 3 Medium是一款由Stability AI开源的文本到图像生成模型，拥有20亿个参数，适用于消费级和企业级GPU。该模型具备照片级真实感、强大的提示理解和排版能力，以及高资源效率。此外，它还支持API试用，并得到了NVIDIA和AMD的支持，以优化其性能。Stability AI致力于开放和安全的AI应用，并计划持续改进SD3 Medium。
AI项目与工具 2024年01月01日
RAG

RAG

RAG-Diffusion是一种区域感知型文本到图像生成工具，采用区域硬绑定与区域软细化两阶段策略，实现对图像区域的精确控制与细节优化。该工具支持图像重绘，无需额外内绘模型，且具备免微调特性。其主要应用场景包括数字艺术创作、广告设计、游戏开发及影视制作等领域，能够显著提升工作效率并满足个性化需求。
AI项目与工具 2025年06月12日
OmniBooth

OmniBooth

OmniBooth是一款由华为诺亚方舟实验室与香港科技大学联合开发的图像生成框架，支持基于文本或图像的多模态指令控制及实例级定制。它通过高维潜在控制信号实现对图像中对象位置和属性的精准操控，具备多模态嵌入提取、空间变形技术以及特征对齐网络等功能，广泛应用于数据集生成、内容创作、游戏开发、虚拟现实及广告营销等领域。
AI项目与工具 2025年06月12日
HiDiffusion

HiDiffusion

大幅提升扩散模型的图像生成质速度提升6倍，由字节跳动的研究团队开发，只需添加一行代码即可
Ai开源项目 2025年06月05日
BAGEL

BAGEL

BAGEL是字节跳动开源的多模态基础模型，拥有140亿参数，采用混合变换器专家架构（MoT），通过两个独立编码器捕捉图像的像素级和语义级特征。它能够进行图像与文本融合理解、视频内容理解、文本到图像生成、图像编辑与修改、视频帧预测、三维场景理解与操作、世界导航以及跨模态检索等任务。BAGEL在多模态理解基准测试中表现优异，生成质量接近SD3，并适用于内容创作、三维场景生成、可视化学习和创意广告生成等
AI项目与工具 2025年06月11日
LongAlign

LongAlign

LongAlign是一种针对文本到图像生成任务的改进方法，通过分段级编码技术和分解偏好优化，有效解决了长文本输入的对齐问题。它能够显著提升生成图像与输入文本的一致性，广泛应用于艺术创作、游戏开发、影视制作及教育等领域，具备高精度和强泛化能力。
AI项目与工具 2025年06月12日
PixelFlow

PixelFlow

PixelFlow是由香港大学与Adobe联合开发的图像生成模型，支持在像素空间中直接生成高质量图像。其基于流匹配技术和多尺度生成策略，实现从低分辨率到高分辨率的逐步生成，有效降低计算成本。该模型在类别条件图像生成和文本到图像生成任务中表现优异，具备强大的语义理解和视觉表达能力。此外，PixelFlow采用端到端训练方式，支持多种ODE求解器，适用于艺术设计、内容创作、教育研究等多个领域。
AI项目与工具 2025年06月11日
TextDiffuser

TextDiffuser

一个功能强大的图像生成工具，它通过扩散模型技术，根据文本描述生成高质量的图像。这个工具为用户提供了一种创新的方式来探索和实现他们的创意视觉概念。
Ai平台模型 1970年01月01日
IP

IP

一个强大的工具，它通过引入图像提示来增强文本到图像扩散模型的能力。它的设计轻量且高效，易于部署和使用，同时支持广泛的应用场景，包括图像生成、转换和修复。通过解耦的交叉...
Ai平台模型 1970年01月01日