image-editing

Software de captura de pantalla potente y fácil de usar :desktop_computer: :camera_flash:

Grounded SAM: Combinando Grounding DINO con Segment Anything, Stable Diffusion y Recognize Anything: detecta, segmenta y genera cualquier cosa automáticamente

Biblioteca PaddlePaddle GAN, que incluye muchas aplicaciones interesantes como transferencia de movimiento First-Order, Wav2Lip, reparación de imágenes, edición de imágenes, photo2cartoon, transferencia de estilo de imagen, GPEN, entre otras.

🎨 El clásico MS Paint, ＲＥＶＩＶＩＤＯ + ✨Extras

Caja de herramientas de creación avanzada, generativa e inteligente multimodal de OpenMMLab. Desbloquea la magia 🪄: IA generativa (AIGC), API fáciles de usar, impresionante colección de modelos, modelos de difusión para generación de texto a imagen, restauración/mejora de imagen y video, etc.

Captura de pantalla, OCR sin conexión, búsqueda y traducción, búsqueda por imagen, imágenes fijas, grabación de pantalla, captura de pantalla con desplazamiento omnidireccional, traducción de pantalla. Es compatible con Windows, Linux y macOS.

Galería de prompts, biblioteca de prompts de imágenes, habilidad agéntica y CLI de GPT Image 2 para la generación y edición de imágenes con OpenAI

Implementaciones oficiales del artículo: Anydoor: personalización de imágenes a nivel de objeto mediante zero-shot.

Algoritmos de procesamiento de imágenes en Go puro

[CVPR 2026] PromptEnhancer es una herramienta de reescritura de prompts que los refina en versiones más claras y estructuradas para una mejor generación de imágenes.

[CVPR'25] Implementaciones oficiales para el artículo MagicQuill: Un sistema inteligente e interactivo de edición de imágenes.

Herramienta de generación y edición de imágenes basada en la API gpt-image-2 de OpenAI

🔥 [ICCV 2025 Highlight] InfiniteYou: Recreación flexible de fotos conservando tu identidad

Un modelo de edición de imágenes open-source de última generación (SOTA), que busca ofrecer un rendimiento comparable al de modelos de código cerrado como GPT-4o y Gemini 2 Flash.

[NeurIPS 2025] ¡La edición de imágenes solo requiere un único LoRA! ¡0.1% de datos de entrenamiento para una edición de imágenes fantástica! Supera a GPT-4o en persistencia de ID~ ¡ckpt de MoE publicado! ¡Solo se necesitan 4GB de VRAM para ejecutar!

Este proyecto es la implementación oficial de 'DreamOmni2: Multimodal Instruction-based Editing and Generation (CVPR2026 Highlight)'

Herramienta de edición de imágenes extensible en el navegador

Inpainting de alta calidad sin entrenamiento para cualquier modelo de Stable Diffusion. Compatible con ComfyUI

Un modelo multimodal unificado nativo con 3B de parámetros activos para la comprensión, generación y edición de imágenes y videos.

Implementaciones oficiales para el artículo: Zero-shot Image Editing with Reference Imitation.

Bernini es un framework unificado para la generación y edición de video que combina un planificador semántico basado en MLLM con un renderizador basado en DiT.

[CVPR2024, Highlight] Código oficial para DragDiffusion

[ECCV 2024] PowerPaint, un modelo de relleno de imágenes versátil que admite relleno de objetos guiado por texto, eliminación de objetos, extensión de imágenes y relleno de objetos guiado por formas con un solo modelo.

CLI oficial para muapi.ai: genera imágenes, vídeos y audio desde la terminal. Servidor MCP, 14 modelos de IA, instalable vía npm y pip.

Implementación oficial de "Pivotal Tuning for Latent-based editing of Real Images" (ACM TOG 2022) https://arxiv.org/abs/2106.05744

UniWorld: codificadores semánticos de alta resolución para la comprensión y generación visual unificada.

Modelo de edición multi-imagen SOTA de código abierto

[ICML 2024] MagicPose (también conocido como MagicDance): reorientación realista de poses humanas y expresiones faciales con difusión consciente de la identidad.

Genera imágenes desde cualquier punto de vista de cámara mediante control interactivo 3D. Arrastra la cámara en el espacio 3D o usa deslizadores para ajustar azimut, elevación y distancia. Construido con Three.js y Gradio, con interfaz bilingüe en chino e inglés.

[ICLR 2026] ChronoEdit: Hacia el razonamiento temporal para la edición de imágenes y la simulación de mundos