EasyPhoto是一款Webui UI插件，用于生成AI肖像画，该代码可用于训练与您相关的数字分身。

该项目能够根据上传的音乐文件生成对应的视觉图像，适用于视频制作和艺术创作，能够将音乐与视觉艺术结合，为创意项目提供灵感。

ReplaceAnything是一款能够准确保留指定物体，并通过输入提示词，实现超高质量内容替换的工具。它支持多种场景应用，适用于商用场景如AI模特、商品宣传图和艺术写真照。

SPARC是一种用于从图像-文本对中预训练更精细的多模态表示的方法，通过在描述中的每个token上学习图像块的分组来实现。

Diagen是一款通过AI技术将复杂数据转化为美观图表的工具，支持多种图表类型，让数据可视化变得简单快捷。

一个用户友好的框架，用于根据文本描述创建逼真的 3D 头像，能够在 2 分钟内生成具有详细面部特征、头发和服装的3D角色。

针对 ComfyUI 的 PuLID Flux 增强版本，用于图像处理和生成，支持多种图像融合方法和快速自训方法，以及灰度与 RGB 图像之间的切换。

IDM-VTON项目旨在通过改进的扩散模型，提升服装试穿的保真度与真实感，生成高质量的虚拟试穿图像，结合高级语义与低级特征，增强视觉效果的真实性，并通过详细的文字提示优化生成结果。

实时潜在一致性模型（real-time Latent Consistency Model），可以根据用户屏幕实时生成内容。该模型利用屏幕捕捉API，能够与现有绘图工具兼容，提供实时反馈，帮助用户高效创作。

提供了 ComfyUI 的 BiRefNet 插件，支持多种预训练模型的使用，包括通用、人像、图像分割等场景的模型，并且支持自动下载模型文件。

一个利用代理框架进行视觉任务的库，能够快速生成代码，帮助用户完成图像识别任务，简化视觉问题的解决过程。

traiNNer是一个基于PyTorch的深度学习框架，旨在实现图像和视频的超分辨率、恢复以及图像到图像的翻译。它提供了灵活的模型结构，支持多种功能，适用于不同的图像处理需求。

一个根据图片生成prompt的开源工具，实现了类似于 Midjourney新推出的 /describe 功能。该工具利用先进的神经网络模型，能够将中文描述翻译为英文，并扩展关键词，以生成适合Midjourney的完整prompt。

6DGS是一个基于3D高斯点云模型的项目，旨在从单幅图像中进行物体的6D姿态估计。该技术在机器人视觉和增强现实等领域具有重要应用价值。

cloudflare-ai-web是一个集成了GeminiPro Vision、Cloudflare Workers AI和ChatGPT的Web平台，旨在提供强大的AI处理能力和友好的用户体验。该平台的架构可扩展，便于开发者创建个性化的AI应用程序，并与其他Web服务无缝集成。

img2img-turbo是一个高效的图像转换工具，基于SD-Turbo技术，能够快速将输入图像转换为新的风格或形态，支持多种输入格式，并提供用户友好的界面和可调节的转换参数。

一个一键整合包，上传一段视频即可让图片唱歌说话，甚至可以驱动动物表情！

PlotAI利用大型语言模型生成Python和Matplotlib的图表生成代码。用户只需提供DataFrame和一个提示，PlotAI会自动构建适合LLM的提示，并返回相应的Python代码和图表。

DiffBIR是一个基于扩散模型实现盲影像复原的项目，支持多种类型的图像，包括动漫、人物、风景和物品等，旨在有效处理盲图像问题，适用于多种应用场景。

CreatiLayout是一个通过布局和文本提示生成高质量图像的框架，旨在帮助用户实现更具创意的视觉效果，适用于各种创意设计应用。

Xlabs Flux Lora是一个用于比较有无Lora效果的工具，通过相同的种子和prompt，用户可以轻松查看两者的生成结果差异。该项目支持多种模型设定，并提供了一个用户友好的界面，方便用户进行实验和探索。

med-flamingo是一个基于OpenFlamingo-9B和LLaMa-7B构建的模型，能够在医学领域执行少样本的视觉问答任务。该项目结合了CLIP ViT/L-14视觉编码器，并使用约4.7K本医学教科书进行训练，包含0.8M张图像和548M个token，支持1.6M个图像字幕对的生物医学数据集。

分享一个端到端的开源 OCR 模型，号称 OCR 2.0，支持场景文本、文档、乐谱、图表、数学公式等内容识别，拿到了 BLEU 0.972 高分。

专注于动画制作的生成式AI工具库，汇集了最新的论文、项目和数据集，旨在帮助动画创作者利用AI技术提升创作效率和质量，让动画制作更加简单高效

Zero123++是一个基于扩散模型的图像生成工具，只需提供一张输入图像，即可生成该图像的多个视角，支持高质量图像的生成，适用于各种类型的图像，为计算机视觉和虚拟现实应用提供强大支持。

FilmRemoval项目旨在利用偏振先验技术，有效去除透明薄膜上的皱纹，从而改善图像质量。该方法通过学习与薄膜的光学特性相关的模式，能够在图像处理和摄影中实现显著的视觉清晰度提升。

一个使用文字输入生成三维模型的AI工具，支持图片prompt的应用方向。该工具能够生成带颜色的三维模型，并且能够输出带顶点色的obj和ply格式。用户可以在Colab上运行它，并且它与主流建模软件（如Blender、Rhino）兼容。

AttnGAN是微软开发的一种人工智能图像生成器，能够根据用户提供的文本描述生成对应的高质量图片。它通过训练模型使其理解文本与图像之间的关联，从而在生成图像时能够关注到文本描述的不同部分，确保生成的图像与描述内容高度一致，具有较强的实用性和灵活性。

面向低级视觉的扩散模型相关论文资源列表，包括了各种扩散模型在低级别视觉任务中的应用，如自然图像恢复、超分辨率、修复、去雾、低光增强等。这些模型在不同领域，包括医学图像分析、遥感图像处理等方面都有应用。

基于FLUX.1的IPAdapter模型的ComfyUI插件实现，支持通过参考图像来控制生成结果。该项目提供了完整的模型权重和工作流程，可在ComfyUI中快速部署使用，同时也支持在线体验版本。