#image-generation Repositorios
288 repositorios en total
Umbral Dinámico (Corrección de Escala CFG) para Stable Diffusion (SwarmUI, ComfyUI y Auto WebUI)
Encuentre automáticamente problemas en conjuntos de datos de imágenes y practique la visión por computadora centrada en datos.
algo como Visual-ChatGPT, la versión de código abierto de Wenyiyan
[ICLR24] Implementación oficial del artículo “MagicDrive: Generación de vistas de calles con control diverso de la geometría 3D”
PyTorch – Cálculo FID con redimensionamiento adecuado de imágenes y pasos de cuantización [CVPR 2022]
Implementación oficial de PyTorch de "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
[ICLR 2026 Oral] DiffusionNFT: Refuerzo de difusión en línea con proceso directo
Biblioteca de referencias de poses, atuendos y retratos, con indicaciones en chino e inglés y prueba virtual con IA en el navegador
Extiende cualquier imagen en cualquier dirección sin problemas con IA. Aplicación web de código abierto impulsada por Gemini a través de OpenRouter, con costuras de fusión de Poisson y selector de variantes de tres opciones.
Más de 660 modelos de medios generativos alojados en muapi, además de herramientas de API de terceros enviadas por la comunidad (SEO, enriquecimiento, redes sociales, scraping): un archivo YAML por entrada, con navegación por capacidades.
Scenario para Blender: imágenes, vídeo, 3D y materiales PBR con IA en la vista 3D, además de un servidor MCP local para agentes. Extensión para Blender 5.0 o posterior, con licencia GPL-3.0 o posterior.
Aplicación de inicio de PC con IA para la creación de imágenes IA, estilismo de imágenes y chatbot en un PC impulsado por una GPU Intel® Arc™.
El kit de inicio oficial para el Nano Banana Hackathon. ¡Clona este repositorio para empezar a construir rápidamente!
Nodos de ControlNet de programación y enmascaramiento con soporte de contexto deslizante
🎬 Genera imágenes desde cualquier punto de vista de la cámara mediante un control interactivo en 3D. Arrastra la cámara en el espacio 3D o usa los deslizadores para establecer el acimut, la elevación y la distancia; después, genera la imagen. Creado con Three.js + Gradio, con interfaz bilingüe en chino e inglés.
Un estudio de IA todo en uno y 100 % local para crear vídeos, imágenes y música. El modo Director planifica vídeos musicales completos y cortometrajes a partir de una sola indicación. Basado en la canalización de WanGP. Instálalo mediante Pinokio.
[SIGGRAPH'22] StyleGAN-XL: Escalando StyleGAN a conjuntos de datos grandes y diversos
🎨 Estudio de diapositivas AI de código abierto dentro de Codex: presentaciones nativas de imágenes, cada diapositiva un lienzo visual completo. ⚡ Más de 10 diapositivas de alta calidad en ~4–5 minutos — El modo rápido renderiza cada página en paralelo. 🔍 Observa toda la cadena en vivo: investigación → esquema → estilo → renderizado → edición → presentación → exportación PDF/PPTX. 🖥️ Primero en navegador · cero claves API · proyectos duraderos.
:fire: :fire: :fire: Una lista de artículos sobre algunos trabajos recientes de Visión por Computadora (CV)
GUI de texto a imagen algo modular, inicialmente solo para Stable Diffusion
[ICLR 2026] Un marco iterativo sin entrenamiento para la visualización de historias largas
Plano de control local y nativo para agentes de ComfyUI: servidor MCP + agente de barra lateral que genera imágenes, vídeo y audio, crea y ejecuta flujos de trabajo, y edita tu gráfico en tiempo real mediante lenguaje natural en CUALQUIER LLM (Claude, ChatGPT, Gemini, Ollama local o cualquier modelo alojado). 178 herramientas, 36 habilidades de IA, 55 paquetes de instalación. Local, LAN, VPS o Comfy Cloud.
WebUI de flujo de trabajo de IA Local-First para Gemini, integrando chat multimodal, Canvas, manejo de archivos, búsqueda en tiempo real, ejecución de código e inferencia avanzada.
Zizi Animation - Software de generación de video AIGC totalmente gratuita, utilizada principalmente para cortometrajes de IA, películas de IA, tuits de novelas
Implementación oficial de PyTorch para el artículo High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).
Entorno de ejecución y estudio de generación visual con prioridad local para personas y agentes de programación, con flujos de trabajo reproducibles de imágenes y vídeos entre múltiples proveedores.
Aplicación de texto a imagen. Adecuado para artículos largos de promoción en cuentas oficiales de WeChat y para la creación de publicaciones de imágenes en redes sociales como Xiaohongshu, Instagram, etc.
Este proyecto tiene como objetivo resolver las inútiles tareas escritas a mano en algunas universidades
Un modelo de lenguaje multimodal unificado basado en el modelado de secuencias discretas
Prompts de estilo JSON listos para usar en Nano Banana Pro, GPT Image y Midjourney. Copia un archivo style.json y consigue un aspecto uniforme. Nuevos estilos cada semana.
CLI de generación de contenido multimedia de Flatkey para imágenes, vídeos, audio, texto, créditos y descubrimiento de modelos.
[CVPR 2025] La primera investigación sobre el razonamiento CoT (RL, TTS, Reflexión) en la generación de imágenes
[ECCV 2024] HiDiffusion: ¡Aumenta la resolución y la velocidad de tu modelo de difusión añadiendo una sola línea de código!
[Versión extendida ICLR 2025 Blog Track] Anole: Modelos multimodales abiertos, autoregresivos y nativos para la generación de imagen-texto intercalada
FreeTheAi (Libera la IA): API de IA gratuita compatible con OpenAI con más de 50 modelos, registro con clave de Discord, transmisión, herramientas, imágenes, mensajes y respuestas. Sin tarjeta de crédito.
Open‑WebUI Tools es un conjunto modular de herramientas diseñado para ampliar y enriquecer tu instancia de Open WebUI, convirtiéndola en una potente estación de trabajo de IA. Con una suite de más de 15 herramientas especializadas, pipelines de funciones y filtros, este proyecto apoya la investigación académica, la autonomía agente, la creatividad multimodal, los flujos de trabajo y mucho más.