#image-generation Repositórios
288 repositórios no total
Limiar Dinâmico (Correção de Escala CFG) para Stable Diffusion (SwarmUI, ComfyUI e Auto WebUI)
Encontre automaticamente problemas em conjuntos de dados de imagem e pratique visão computacional centrada em dados.
algo como visual-chatgpt, a versão de código aberto do Wenxin Yiyan
[ICLR24] Implementação oficial do artigo “MagicDrive: Geração de Vistas de Rua com Controle Diverso de Geometria 3D”
PyTorch - Cálculo de FID com redimensionamento de imagem e etapas de quantização adequados [CVPR 2022]
Implementação oficial do PyTorch de "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
[ICLR 2026 Oral] DiffusionNFT: Refôrço de difusão online com processo direto
Biblioteca de referências de poses, looks e retratos, com prompts em chinês e inglês e prova virtual com IA diretamente no navegador
Estenda qualquer imagem em qualquer direção de forma integrada com IA. Aplicação web de código aberto alimentada pelo Gemini via OpenRouter, com costuras de fusão de Poisson e seletor de variantes "best-of-3".
Mais de 660 modelos de mídia generativa hospedados pelo muapi, além de ferramentas de API de terceiros enviadas pela comunidade (SEO, enriquecimento, redes sociais, scraping) — um arquivo YAML por entrada, com navegação por funcionalidade.
Scenario para Blender: imagens, vídeos, 3D e materiais PBR com IA na janela de visualização, além de um servidor MCP local para agentes. Extensão para Blender 5.0 ou posterior, licenciada sob GPL-3.0 ou posterior.
Aplicativo inicial de IA para PC para criação de imagens por IA, estilização de imagens e chatbot em um PC equipado com uma GPU Intel® Arc™.
🍌 O kit inicial oficial para o Nano Banana Hackathon. Clone este repositório para começar a criar rapidamente!
Nós de agendamento e mascaramento do ControlNet com suporte a contexto deslizante
🎬 Gere imagens a partir de qualquer ponto de vista da câmera usando controles interativos em 3D. Arraste a câmera no espaço 3D ou use os controles deslizantes para definir o azimute, a elevação e a distância; em seguida, gere a imagem. Desenvolvido com Three.js + Gradio, com interface bilíngue em chinês e inglês.
Um estúdio de IA completo e 100% local para vídeo, imagem e música. O modo Diretor planeja videoclipes completos e curtas-metragens a partir de um único prompt. Desenvolvido com base no pipeline WanGP. Instale pelo Pinokio.
[SIGGRAPH'22] StyleGAN-XL: Escalando o StyleGAN para Grandes Conjuntos de Dados Diversificados
🎨 Estúdio de slides de IA de código aberto dentro do Codex: decks nativos de imagem, cada slide é uma tela visual completa. ⚡ Mais de 10 slides de alta qualidade em ~4–5 minutos — O modo rápido renderiza cada página em paralelo. 🔍 Assista a toda a cadeia ao vivo: pesquisa → esboço → estilo → renderização → edição → apresentação → exportação PDF/PPTX. 🖥️ Primeiro no navegador · zero chaves de API · projetos duráveis.
:fire: :fire: :fire: Uma lista de artigos de alguns trabalhos recentes em Visão Computacional (CV)
GUI de texto para imagem um tanto modular, inicialmente apenas para Stable Diffusion
[ICLR 2026] Um framework iterativo sem treinamento para visualização de histórias longas
Plano de controle local e nativo para agentes do ComfyUI — servidor MCP + agente na barra lateral que gera imagens, vídeo e áudio, cria e executa fluxos de trabalho e edita seu gráfico em tempo real usando linguagem natural em QUALQUER LLM (Claude, ChatGPT, Gemini, Ollama offline ou qualquer modelo hospedado). 178 ferramentas, 36 habilidades de IA, 55 pacotes de instalação. Local, LAN, VPS ou Comfy Cloud.
WebUI de Fluxo de Trabalho de IA Local-First para Gemini, integrando chat multimodal, Canvas, manipulação de arquivos, pesquisa em tempo real, execução de código e raciocínio avançado.
Zizi Animation - Software de geração de vídeo AIGC totalmente gratuito, usado principalmente para minisséries de IA, filmes de IA, tweets de romances
Implementação oficial em PyTorch para o artigo Prova Virtual de Alta Resolução com Condições de Desalinhamento e Oclusão Gerenciadas (ECCV 2022).
Runtime e estúdio de geração visual com prioridade local para pessoas e agentes de programação, com fluxos de trabalho reproduzíveis de imagens e vídeos em vários provedores.
Aplicativo de texto para imagem. Adequado para criar artigos de imagem longa para o WeChat Official Account e postagens para plataformas de mídia social de imagens como Xiaohongshu, Instagram, etc.
Este projeto visa resolver algumas tarefas manuscritas universitárias desnecessárias.
Um modelo de linguagem multimodal unificado baseado na modelagem de sequências discretas
Prompts de estilo JSON prontos para usar no Nano Banana Pro, GPT Image e Midjourney. Copie um arquivo style.json para obter um visual consistente. Novos estilos toda semana.
CLI de geração de mídia da Flatkey para imagens, vídeos, áudio, texto, créditos e descoberta de modelos.
[CVPR 2025] A Primeira Investigação de Raciocínio CoT (RL, TTS, Reflexão) na Geração de Imagens
[ECCV 2024] HiDiffusion: Aumente a resolução e a velocidade do seu modelo de difusão adicionando apenas uma única linha de código!
[Versão estendida ICLR 2025 Blog Track] Anole: Modelos multimodais abertos, autoregressivos e nativos para geração de imagem-texto intercalada
FreeTheAi (Liberte a IA): API de IA gratuita compatível com OpenAI com mais de 50 modelos, inscrição por chave no Discord, streaming, ferramentas, imagens, mensagens e respostas. Sem cartão de crédito.
Open‑WebUI Tools é um conjunto modular de ferramentas projetado para estender e enriquecer a sua instância do Open WebUI, transformando-a em uma poderosa estação de trabalho de IA. Com uma suíte de mais de 15 ferramentas especializadas, pipelines de funções e filtros, este projeto apoia pesquisas acadêmicas, autonomia agente, criatividade multimodal, fluxos de trabalho e muito mais.