image-generation

Ein einfacher, eigenständiger Viewer zum Lesen von Prompts aus Stable Diffusion-generierten Bildern außerhalb der WebUI.

Ein natives, einheitliches multimodales Modell mit 3B aktiven Parametern für Bild- und Videoverständnis, -generierung und -bearbeitung.

WebAI2API: Ein auf Camoufox basierendes Web-AI-zu-API-Tool, das LMArena/Gemini usw. sowie Mehrfenster-Konkurrenz und Kontoisolierung unterstützt.

Offline-Inferenz-Engine für Kunst, Echtzeit-Sprachkonversationen, LLM-gestützte Chatbots und automatisierte Workflows

[NeurIPS 2020] Differentiable Augmentation für das dateneffiziente GAN-Training

Bernini ist ein einheitliches Framework für die Videoerstellung und -bearbeitung, das einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer kombiniert.

Inpaint Anything-Erweiterung führt Stable-Diffusion-Inpainting in einer Browser-UI mit Masken von Segment Anything aus

[ICCV 2025] Offizielle Implementierung von "MV-Adapter: Multi-view Consistent Image Generation Made Easy"

Einfache Erstellung von PDFs und Bildern in Symfony durch HTML-Konvertierung mit WebKit

Einfaches Shell-Skript zur Nutzung von OpenAI ChatGPT und DALL-E über das Terminal. Kein Python oder JS erforderlich.

Sammlung großartiger Ressourcen zur Bild-zu-Bild-Übersetzung.

Automatische Fehlersuche in Bilddatensätzen und Anwendung datenzentrierter Computer Vision.

PyTorch - FID-Berechnung mit korrekten Schritten zur Bildgrößenänderung und Quantisierung [CVPR 2022]

[ICLR24] Offizielle Implementierung des Papiers „MagicDrive: Street View Generation with Diverse 3D Geometry Control“

Offizielle PyTorch-Implementierung von „VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization“ (CVPR 2021)

Unzensiertes lokales KI-Studio für Windows, Linux und macOS. Installationsfreie GUI für Bildgenerierung, GGUF-LLMs, Text-to-Speech & Speech-to-Text

Guicangs Material-Illustration-Skill: Generierung von beschrifteten Erklärungsgrafiken, Diagrammverschönerung und Referenz-Hilfsbildern.

Nativer LLM-Inferenzserver für Apple Silicon. Kompatibel mit der OpenAI- und Anthropic-API. Kein Python. Inklusive MLX Core macOS-App mit Chat, Agentenmodus und Tool-Aufrufen.

CogView4, CogView3-Plus und CogView3 (ECCV 2024)

Nahtlose Erweiterung jedes Bildes in jede Richtung mit KI. Open-Source-Web-App, angetrieben von Gemini über OpenRouter, mit Poisson-geblendeten Übergängen und Best-of-3-Variantenauswahl.

Eine kuratierte Liste von OpenClaw-Ressourcen, Tools, Fähigkeiten, Tutorials und Artikeln. OpenClaw (ehemals Moltbot / Clawdbot) – ein Open-Source, selbst gehosteter KI-Agent für WhatsApp, Telegram, Discord und über 50 Integrationen.

:fire: :fire: :fire: Eine Literaturliste zu einigen aktuellen Arbeiten im Bereich Computer Vision (CV)

[ICLR 2026] Ein trainingsfreies iteratives Framework für die Visualisierung langer Geschichten

Generierung von Bildern aus beliebigen Kameraperspektiven mittels interaktiver 3D-Steuerung. Bewegen Sie die Kamera im 3D-Raum oder nutzen Sie Schieberegler für Azimut, Elevation und Distanz. Erstellt mit Three.js und Gradio, zweisprachige Benutzeroberfläche (ZH/EN).

Offizielle PyTorch-Implementierung für das Paper High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).

Ein Local-First AI-Workflow-WebUI für Gemini mit integriertem multimodalem Chat, Canvas, Dateiverarbeitung, Echtzeitsuche, Codeausführung und fortgeschrittenem Reasoning.

Code für „AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling“

🎨 Open-Source-KI-Präsentationsstudio in Codex: bildnative Decks, jede Folie eine vollständige visuelle Leinwand. ⚡ Über 10 hochwertige Folien in ca. 4–5 Minuten — Der Schnellmodus rendert jede Seite parallel. 🔍 Die gesamte Kette live verfolgen: Recherche → Gliederung → Stil → Rendern → Bearbeiten → Präsentieren → PDF/PPTX exportieren. 🖥️ Browser-first · keine API-Schlüssel · persistente Projekte.

Open-Source SOTA-Modell zur Multi-Bild-Bearbeitung

Flatkey Media-Generierungs-CLI für Bilder, Videos, Audio, Text, Credits und Modellsuche.