text-to-image

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

Eine Sammlung von Ressourcen zur steuerbaren Generierung mit Text-to-Image-Diffusion-Modellen.

CogView4, CogView3-Plus und CogView3 (ECCV 2024)

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.

Implementierung von Muse: Text-zu-Bild-Generierung via Masked Generative Transformers in PyTorch

KI-generierte Pixel-Art und Vektorgrafiken direkt im Browser korrigieren

Das verständlichste Tutorial zur Verwendung von LoRA (Low-Rank Adaptation) innerhalb des diffusers-Frameworks für KI-Generierungsforscher.

[ICCV 2023] "TF-ICON: Diffusion-Based Training-Free Cross-Domain Image Composition" (Offizielle Implementierung)

[TMLR 2025🔥] Eine Übersicht über autoregressive Modelle in der Vision.

CLIP + FFT/DWT/RGB = Text zu Bild/Video

Offizielle Implementierung für „Attend-and-Excite: Attention-Based Semantic Guidance for Text-to-Image Diffusion Models“ (SIGGRAPH 2023)

Eine Sammlung fantastischer Studien zur Text-zu-Bild-Generierung.

Eine Übersicht zur Text-zu-Video-Generierung/-Synthese.

Paddle Multimodal Integration and eXploration, unterstützt gängige multimodale Aufgaben, einschließlich End-to-End-Trainingsmodellen für große multimodale Daten und einer Diffusion-Model-Toolbox. Ausgezeichnet durch hohe Leistung und Flexibilität.

Die fortschrittlichste Nano Banana Bildgenerator- und Editor-Anwendung. Deine zentrale Anlaufstelle für KI-Bildgenerierung und -überarbeitungen. Intuitive Benutzeroberfläche mit Referenzbildern, Bearbeitung per Bildmasken, Versionsverlauf und mehr. Unterstützt durch die Gemini 2.5 Flash Images API.

HunyuanImage-2.1: Ein effizientes Diffusionsmodell für hochauflösende (2K) Text-zu-Bild-Generierung

Offizielle Implementierung des OneDiffusion-Papers (CVPR 2025)

Flash Diffusion – Beschleunigung bedingter Diffusionsmodelle (AAAI 2025 Oral)

face-to-sticker

(Akzeptiert bei IJCV) Liquid: Sprachmodelle sind skalierbare und einheitliche multimodale Generatoren

Offizielle Implementierung für „Blended Latent Diffusion“ [SIGGRAPH 2023]

[CVPR 2024 Highlight] MIGC und [TPAMI 2024] MIGC++ (Offizielle Implementierung)

Kuratierte Sammlung wiederverwendbarer JSON-Prompt-Vorlagen und Stilreferenzen für die KI-Bilderzeugung. Täglich aktualisiert.

Offizielle Implementierung für „Blended Diffusion for Text-driven Editing of Natural Images“ [CVPR 2022].

Offizieller Code für das CVPR 2025 Paper "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models."

Eine kuratierte Liste von Forschungsarbeiten zur LLM-basierten multimodalen Generierung (Bild, Video, 3D und Audio).

AI Plugin ist eine leistungsstarke Erweiterung für Payload CMS, die fortschrittliche KI-Funktionen zur Optimierung der Inhaltserstellung und -verwaltung integriert.

[NeurIPS 2025 Spotlight] Ein vereinheitlichter Tokenizer für visuelle Generierung und Verständnis

Eine Sammlung von Google Colab Notebooks für verschiedene Projekte