#image-generation Repositories
Insgesamt 288 Repositories
Dynamische Schwellenwertbildung (CFG-Skalierungsfix) für Stable Diffusion (SwarmUI, ComfyUI und Auto WebUI)
Finden Sie automatisch Probleme in Bilddatensätzen und üben Sie datenzentrische Computer Vision.
so etwas wie Visual-ChatGPT, die Open-Source-Version von Wenxin Yiyan
[ICLR24] Offizielle Implementierung des Papers „MagicDrive: Erzeugung von Straßenszenen mit vielfältiger Steuerung der 3D-Geometrie“
PyTorch – FID-Berechnung mit ordnungsgemäßer Bildgrößenänderung und Quantisierungsschritten [CVPR 2022]
Offizielle PyTorch-Implementierung von "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
[ICLR 2026 Oral] DiffusionNFT: Online Diffusionsverstärkung mit Vorwärtsprozess
Referenzbibliothek für Posen, Outfits und Porträts mit chinesischen und englischen Prompts sowie KI-Anprobe im Browser
Erweitern Sie jedes Bild nahtlos in jede Richtung mit KI. Open-Source-Webanwendung, betrieben von Gemini via OpenRouter, mit Poisson-überblendeten Nähten und einem „Best-of-3“-Variantenwähler.
Über 660 von muapi gehostete generative Medienmodelle sowie von der Community eingereichte API-Tools von Drittanbietern (SEO, Datenanreicherung, soziale Medien, Scraping) — eine YAML-Datei pro Eintrag, nach Funktionen durchsuchbar.
Scenario für Blender: KI-Bilder, Videos, 3D und PBR-Materialien im Ansichtsfenster sowie ein lokaler MCP-Server für Agenten. Erweiterung für Blender 5.0 oder höher, lizenziert unter GPL-3.0 oder später.
AI PC Starter-App für KI-Bilderstellung, Bildstiländerung und Chatbot auf einem PC mit einer Intel® Arc™ GPU.
Das offizielle Starter-Kit für den Nano Banana Hackathon. Klonen Sie dieses Repository, um schnell mit dem Bau zu beginnen!
ControlNet-Planung und Maskierungs-Knoten mit Unterstützung für gleitenden Kontext
🎬 Erzeuge Bilder aus jedem Kamerablickwinkel mithilfe einer interaktiven 3D-Steuerung. Ziehe die Kamera im 3D-Raum oder verwende die Schieberegler, um Azimut, Höhe und Entfernung festzulegen, und starte anschließend die Generierung. Entwickelt mit Three.js + Gradio, mit zweisprachiger chinesisch-englischer Benutzeroberfläche.
Ein All-in-One-KI-Studio für Videos, Bilder und Musik, das zu 100 % lokal läuft. Der Regiemodus plant vollständige Musikvideos und Kurzfilme aus einem einzigen Prompt. Basiert auf der WanGP-Pipeline. Installation über Pinokio.
[SIGGRAPH'22] StyleGAN-XL: Skalierung von StyleGAN auf große, vielfältige Datensätze
🎨 Open-Source-KI-Folienstudio in Codex: bildnative Präsentationen, jede Folie eine vollständige visuelle Leinwand. ⚡ 10+ hochwertige Folien in ~4–5 Minuten — Der schnelle Modus rendert jede Seite parallel. 🔍 Sehen Sie sich die gesamte Kette live an: Recherche → Gliederung → Stil → Rendern → Bearbeiten → Präsentieren → Exportieren als PDF/PPTX. 🖥️ Browser-zuerst · null API-Schlüssel · dauerhafte Projekte.
:fire: :fire: :fire: Eine Papiere-Liste einiger neuerer Arbeiten im Bereich Computer Vision (CV)
[ICLR 2026] Ein trainierungsfreier iterativer Rahmen für die Visualisierung langer Geschichten
Local-First, Agent-Native Control Plane für ComfyUI — MCP-Server + Sidebar-Agent, der Bilder, Videos und Audio generiert, Workflows erstellt und ausführt sowie Ihren Live-Graphen in natürlicher Sprache mit JEDEM LLM (Claude, ChatGPT, Gemini, offline Ollama oder jedem gehosteten Modell) bearbeitet. 178 Tools, 36 KI-Fähigkeiten, 55 Installer-Packs. Lokal, LAN, VPS oder Comfy Cloud.
Local-First AI-Workflow-WebUI für Gemini, integriert multimodales Chat, Canvas, Dateiverarbeitung, Echtzeit-Suche, Code-Ausführung und fortschrittliches Reasoning.
Zizi Animation - Völlig kostenlose AIGC-Videogenerationssoftware, hauptsächlich für KI-Kurzfilme, KI-Filme und Roman-Tweets verwendet
Offizielle PyTorch-Implementierung für das Paper High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).
Local-First-Laufzeitumgebung und Studio für visuelle Generierung für Menschen und Coding-Agenten, mit reproduzierbaren Bild- und Video-Workflows über mehrere Anbieter hinweg.
Text-zu-Bild-Anwendung. Geeignet für lange Push-Nachrichten für WeChat-öffentliche Konten und die Erstellung von Bildbeiträgen für soziale Medien wie Xiaohongshu, Instagram usw.
Dieses Projekt soll nutzlose handschriftliche Hausaufgaben an einigen Universitäten lösen
Ein einheitliches multimodales Sprachmodell auf Basis der Modellierung diskreter Sequenzen
Plug-and-play-JSON-Stil-Prompts für Nano Banana Pro, GPT Image und Midjourney. Kopiere eine style.json-Datei und erziele einen einheitlichen Look. Jede Woche neue Stile.
Flatkey-CLI zur Mediengenerierung für Bilder, Videos, Audio, Text, Credits und die Modellsuche.
[CVPR 2025] Die erste Untersuchung von CoT-Argumentation (RL, TTS, Reflexion) in der Bildgenerierung
[ECCV 2024] HiDiffusion: Erhöht die Auflösung und Geschwindigkeit Ihres Diffusionsmodells durch Hinzufügen nur einer einzigen Codezeile!
[Erweiterte Version ICLR 2025 Blog Track] Anole: Offene, autoregressive und native multimodale Modelle für interleavierte Bild-Text-Generierung
FreeTheAi (Befreie die KI): Kostenlose OpenAI-kompatible KI-API mit über 50 Modellen, Discord-Key-Anmeldung, Streaming, Tools, Bildern, Nachrichten und Antworten. Keine Kreditkarte erforderlich.
Open‑WebUI Tools ist ein modularer Toolkit, der dazu entwickelt wurde, deine Open WebUI-Instanz zu erweitern und zu bereichern und sie zu einer leistungsstarken KI-Arbeitsstation zu machen. Mit einer Palette von über 15 spezialisierten Tools, Funktions-Pipelines und Filtern unterstützt dieses Projekt akademische Forschung, agentische Autonomie, multimodale Kreativität, Arbeitsabläufe und mehr.