图像生成

UniFluid

UniFluid是由谷歌DeepMind与麻省理工学院联合开发的统一自回归框架,支持图像生成与视觉理解任务。它通过连续视觉标记处理多模态输入,结合Gemma模型和VAE技术,实现高质量图像生成与强大视觉理解能力。该框架在图像编辑、视觉问答和图像描述等任务中表现出色,具备良好的下游任务迁移能力,适用于创意设计、内容创作等多个领域。

妙刷AI

美团推出的AI创作小程序,能够根据用户上传的图片生成风格迥异的图像和视频。妙刷小程序支持多种AI图像玩法,包括修图、文本生图、音频生图和视频生成等。

VITRON

VITRON是一款由多家顶尖机构联合研发的像素级视觉大型语言模型,具备强大的图像与视频处理能力,涵盖理解、生成、分割及编辑等功能。它融合了编码器-LLM-解码器架构、视觉-语言编码和视觉专家系统,支持多种视觉任务,广泛应用于图像编辑、视频创作、教育辅助、电商营销和新闻报道等领域。

Poify

Poify是一款由快手推出的AI图像生成工具,支持AI模特试衣、背景更换、局部重绘等功能,帮助商家和创作者高效生成高质量商品展示图及创意内容。用户可通过文字或图片输入,快速生成符合需求的视觉作品,适用于电商营销、海报设计、社交媒体等内容创作场景,提升视觉吸引力和传播效果。

ImgEdify

ImgEdify是一个集成AI图像生成、编辑及转换功能的AI图像生成器平台,提供完整的图像创作与编辑套件,结合生成、编辑和转换功能,适合创作者、企业及设计师。

CSGO AI

CSGO是一项由南京理工大学等机构合作研发的图像风格迁移与文本到图像生成研究项目。其主要功能包括图像驱动的风格迁移、文本驱动的风格化合成及文本编辑驱动的风格化合成。项目通过端到端训练模型、特征注入技术及扩散模型,实现高效且高质量的图像生成,广泛应用于艺术创作、数字娱乐、设计行业及广告营销等领域。

BLIP3

BLIP3-o是Salesforce Research等机构推出的多模态AI模型,结合自回归与扩散模型优势,实现高效图像理解和生成。基于CLIP语义特征,支持文本与图像间的双向转换及图像编辑。采用顺序预训练策略,提升模型性能。完全开源,适用于创意设计、视觉问答、艺术生成等多种场景。

ACE++

ACE++ 是阿里巴巴通义实验室推出的图像生成与编辑工具,支持指令化操作和上下文感知内容填充。其包含多个专用模型,如 ACE++ Portrait 用于人物肖像生成,ACE++ Subject 保证主题一致性,ACE++ LocalEditing 实现局部图像修改。支持虚拟试穿、风格化编辑、照片修复等多种任务,适用于艺术创作、广告设计及影视制作等领域。技术上采用改进的 LCU++ 架构与两阶段训练

Sizzlepop.ai

一款使用AI技术生成自定义T恤工具,可根据客户提供的文本输入生成设计。文本可以是任何内容,从口号、引言或笑话到完整的段落或故事。

SANA 1.5

SANA 1.5是由英伟达联合多所高校研发的高效线性扩散变换器,专用于文本到图像生成任务。其核心优势包括高效的训练扩展、模型深度剪枝、推理时扩展等技术,能够在不同计算预算下灵活调整模型性能。支持多语言输入,并具备开源特性,适用于创意设计、影视制作、教育等多个领域。实验表明,其生成质量接近行业领先水平,同时显著降低计算成本。