图像

SPRIGHT

SPRIGHT是由多所高校和机构联合开发的视觉-语言数据集,旨在提升文本到图像生成模型的空间一致性。通过重新描述约600万张图像,强化空间关系表达,如“左/右”、“上/下”等,显著提高图像生成的准确性。该数据集支持复杂场景的图像生成,并经过多维度评估验证其可靠性。SPRIGHT为视觉-语言模型的研究和应用提供了重要资源,广泛应用于图像生成、VR/AR、教育及科研等领域。

ART

ART(Anonymous Region Transformer)是一种新型多层透明图像生成技术,支持基于全局文本提示和匿名区域布局生成多个独立透明图层(RGBA格式)。通过逐层区域裁剪机制,显著提升生成效率,速度快于传统方法12倍以上。具备高质量自编码器,支持50层以上的图像生成,减少图层冲突。广泛应用于艺术设计、内容创作、广告营销及科研等领域。

Scenethesis

Scenethesis是NVIDIA推出的AI框架,可通过文本生成高质量的3D场景。它结合LLM与视觉技术,经过布局规划、视觉细化、物理优化和场景验证四个阶段,确保生成结果具备物理合理性和空间连贯性。支持用户交互与多样化场景构建,广泛应用于VR/AR、游戏开发、具身智能及虚拟内容创作等领域。

Removal.AI

一款抠图去除图像背景多功能工具,Removal.AI 提供了一个自动化流程,可以快速、准确地从图像中去除背景,使用户几乎可以立即获得透明的背景图像。

Kive

Kive是一个基于AI技术的创意内容生成平台,帮助品牌和创作者快速生成、管理和扩展符合品牌形象的视觉内容。用户通过文字描述即可生成高质量的图片和视频,支持将真实产品图片融入AI生成场景中,提升视觉吸引力。平台提供创意资产管理功能,自动分类和索引视觉资产,提升工作效率。Kive适用于社交媒体内容创作、广告制作、品牌推广、创意设计和产品展示等多种场景。

TripoSR

TripoSR是一款由Stability AI与VAST联合开发的开源3D生成模型,能够在不到0.5秒内从单张2D图像生成高质量的3D模型。基于Transformer架构和大型重建模型(LRM)设计,采用先进的图像编码、三平面NeRF表示及优化训练策略,支持无GPU设备运行。适用于游戏开发、影视制作、建筑设计、产品设计等多个领域,具有高效、高精度和广泛适用性的特点。

OThink

OThink-MR1是由OPPO研究院与香港科技大学(广州)联合研发的多模态语言模型优化框架,基于动态KL散度策略(GRPO-D)和奖励模型,提升模型在视觉计数、几何推理等任务中的泛化与推理能力。其具备跨任务迁移能力和动态平衡探索与利用机制,适用于智能视觉问答、图像描述生成、内容审核等多个领域,具有广阔的应用前景。

aftershoot

Aftershoot 是一款基于 AI 的摄影辅助工具,支持快速筛选和自动编辑照片,适用于婚礼、活动、人像等多种摄影场景。它能识别重复、模糊或闭眼照片,并提供风格化编辑功能。用户可自定义 AI 编辑偏好,支持 RAW 和 JPEG 格式,兼容主流后期软件,提高工作效率。

Nexa AI

Nexa AI致力于生成高质量的AI生成产品图像。它可以根据用户上传的产品图片,自动去除背景并生成符合不同行业的适用模板。

BlueWillow

BlueWillow 是一种基于 Web并使用人工智能根据您的文本输入生成逼真而美丽的图像。