OmniConsistency
OmniConsistency 是新加坡国立大学推出的图像风格迁移模型，旨在解决复杂场景下风格化图像的一致性问题。该模型采用两阶段训练策略，将风格学习与一致性学习解耦，并支持与任意风格的 LoRA 模块集成，实现高效且灵活的风格化效果。它在多种风格下保持图像的语义、结构和细节一致性，具备更高的灵活性和泛化能力，在实验中表现出与 GPT-4o 相当的性能。
一致性
Ingredients
Ingredients是一款基于多身份图像与视频扩散Transformer的视频生成框架，支持多身份特征的高效整合与动态分配。其核心模块包括面部提取器、多尺度投影器和ID路由器，能够保持身份一致性并生成高质量视频内容。无需额外训练即可实现个性化视频制作，适用于娱乐、广告、教育等多个领域。
DriveDreamer4D
DriveDreamer4D是一个专注于提升自动驾驶场景4D重建质量的框架，通过整合世界模型先验知识生成新的轨迹视频，同时确保时空一致性，从而增强训练数据集的多样性和真实性。它具备4D场景重建、新轨迹视频合成、时空一致性控制以及提升渲染质量等功能，广泛应用于自动驾驶系统开发、闭环仿真测试及传感器数据模拟等领域。
---
Mini DALL·E 3
Mini DALL·E 3是一款由多所高校联合开发的交互式文本到图像生成工具，支持多轮自然语言对话，实现高质量图像的生成与编辑。系统结合大型语言模型与文本到图像模型，提供内容一致性控制与问答功能，提升交互体验。广泛应用于创意设计、故事插图、概念设计、教育及娱乐等领域，具有高效、灵活和易用的特点。
AuraFusion360
AuraFusion360是一款面向360°无边界场景修复的AI工具，采用高斯散射表示和深度感知技术，实现高质量的物体移除与孔洞填充。其核心包括自适应引导深度扩散（AGDD）和基于SDEdit的细节增强，确保多视角一致性。适用于虚拟现实、建筑可视化、影视特效及文物修复等多个领域，提供高效、精确的场景修复解决方案。
