image-generation

Un visor independiente y sencillo para leer prompts de imágenes generadas por Stable Diffusion fuera de la webui.

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

WebAI2API: Herramienta para convertir IA web a API basada en Camoufox, compatible con LMArena/Gemini, con concurrencia multiventana y aislamiento de cuentas.

Motor de inferencia offline para arte, conversaciones de voz en tiempo real, chatbots impulsados por LLM y flujos de trabajo automatizados

[NeurIPS 2020] Aumento diferenciable para el entrenamiento eficiente de datos en GAN.

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.

Extensión Inpaint Anything que realiza inpainting de stable diffusion en una interfaz de navegador usando máscaras de Segment Anything.

[ICCV 2025] Implementación oficial de "MV-Adapter: Multi-view Consistent Image Generation Made Easy"

Cree fácilmente archivos PDF e imágenes en Symfony convirtiendo HTML mediante webkit

Script de shell sencillo para utilizar ChatGPT y DALL-E de OpenAI desde la terminal. No requiere Python ni JS.

Colección de recursos increíbles sobre traducción de imagen a imagen.

Encuentra automáticamente problemas en conjuntos de datos de imágenes y practica la visión artificial centrada en los datos.

PyTorch - Cálculo de FID con pasos adecuados de redimensionamiento y cuantización de imágenes [CVPR 2022]

[ICLR24] Implementación oficial del artículo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

Implementación oficial en PyTorch de "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021).

Estudio de IA local sin censura para Windows, Linux y macOS. Interfaz gráfica sin configuración para generación de imágenes, LLMs GGUF, conversión de texto a voz y de voz a texto.

Servidor de inferencia LLM nativo para Apple Silicon. Compatible con la API de OpenAI y Anthropic. Sin Python. Incluye la aplicación MLX Core para macOS con chat, modo agente y llamada a herramientas.

Skill de ilustración de materiales Guizang: generación de diagramas explicativos con texto, embellecimiento de gráficos e imágenes de referencia auxiliares.

CogView4, CogView3-Plus y CogView3 (ECCV 2024)

Extiende cualquier imagen de forma fluida en cualquier dirección con IA. Aplicación web de código abierto impulsada por Gemini a través de OpenRouter, con uniones mezcladas por Poisson y selector de la mejor variante de 3.

Una lista curada de recursos, herramientas, habilidades, tutoriales y artículos sobre OpenClaw. OpenClaw (anteriormente Moltbot / Clawdbot) es un agente de IA de código abierto autohospedado para WhatsApp, Telegram, Discord y más de 50 integraciones.

Una lista de artículos sobre trabajos recientes de Visión Artificial (CV)

[ICLR 2026] Un marco iterativo sin entrenamiento para la visualización de historias largas.

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.

Implementación oficial en PyTorch para el artículo High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).

Interfaz web de flujo de trabajo de IA local-first para Gemini, que integra chat multimodal, Canvas, procesamiento de archivos, búsqueda en tiempo real, ejecución de código y razonamiento avanzado.

Código para "AnyGPT: LLM multimodal unificado con modelado de secuencia discreta"

🎨 Estudio de diapositivas de IA de código abierto dentro de Codex: presentaciones nativas de imágenes, cada diapositiva como 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 a PDF/PPTX. 🖥️ Centrado en el navegador · sin claves de API · proyectos duraderos.

Modelo de edición multi-imagen SOTA de código abierto

CLI de generación de medios Flatkey para imágenes, videos, audio, texto, créditos y descubrimiento de modelos