image-generation

[TMLR 2025🔥] विजन में ऑटोरिग्रेसिव मॉडल के लिए एक सर्वेक्षण।

Open-WebUI Tools एक मॉड्यूलर टूलकिट है जिसे Open WebUI इंस्टेंस को विस्तारित और समृद्ध करने के लिए डिज़ाइन किया गया है, जो इसे एक शक्तिशाली AI वर्कस्टेशन में बदल देता है। 15 से अधिक विशेष टूल्स, फंक्शन पाइपलाइन्स और फिल्टर्स के साथ, यह प्रोजेक्ट शैक्षणिक अनुसंधान, एजेंटिक स्वायत्तता, मल्टीमॉडल क्रिएटिविटी और वर्कफ़्लो का समर्थन करता है।

लोगों और कोडिंग एजेंटों के लिए लोकल-फर्स्ट विजुअल जनरेशन रनटाइम और स्टूडियो, जिसमें कई प्रदाताओं के बीच पुनरुत्पादक इमेज और वीडियो वर्कफ़्लो शामिल हैं।

टेक्स्ट-टू-वीडियो जनरेशन/सिंथेसिस पर एक सर्वेक्षण।

फोटोज को स्पार्स एडिटोरियल एब्स्ट्रक्शन में डिस्टिल करने के लिए एक सोर्स-अवेलेबल Codex स्किल।

X से 1,400+ क्यूरेटेड ट्रेंडिंग AI इमेज प्रॉम्प्ट्स, जो एंगेजमेंट के आधार पर रैंक किए गए हैं। NanoBanana, GPT Image 2, और Midjourney के साथ काम करता है

ComfyUI के लिए लोकल-फर्स्ट, एजेंट-नेटिव कंट्रोल प्लेन — MCP सर्वर और साइडबार एजेंट जो इमेज, वीडियो और ऑडियो जेनरेट करता है, वर्कफ़्लो बनाता और चलाता है, और किसी भी LLM (Claude, ChatGPT, Gemini, ऑफलाइन Ollama, या कोई भी होस्टेड मॉडल) पर नेचुरल लैंग्वेज में आपके लाइव ग्राफ़ को एडिट करता है। 178 टूल्स, 36 AI स्किल्स, 55 इंस्टॉलर पैक्स। लोकल, LAN, VPS, या Comfy Cloud पर उपलब्ध।

[ICCV 2021] इमेज रिकंस्ट्रक्शन और सिंथेसिस के लिए फोकल फ्रीक्वेंसी लॉस

[ICLR 2026] ChronoEdit: इमेज एडिटिंग और वर्ल्ड सिमुलेशन के लिए टेम्पोरल रीजनिंग की दिशा में

इमेज सिग्नल प्रोसेसिंग (ISP) गाइड। शोर में कमी, फ़िल्टरिंग, ऑटो एक्सपोज़र, ऑटोफोकस, HDR सुधार और इमेज शार्पENING जैसे कार्यों को निष्पादित करके किसी इमेज/वीडियो को डिजिटल रूप में बदलने की प्रक्रिया के बारे में जानें।

[ECCV 2024] OMG: डिफ्यूजन मॉडल में ऑक्लूजन-फ्रेंडली पर्सनलाइज्ड मल्टी-कॉन्सेप्ट जनरेशन

GPT-image-2 के लिए एक AI इमेज जनरेशन WebUI वर्कबेंच, जो Codex रिस्पॉन्स और OpenAI-संगत API सपोर्ट, शेयर्ड गैलरी, क्विक चिप्स, प्रॉम्प्ट टेम्प्लेट, समवर्ती कार्य और स्थानीय कतार प्रबंधन प्रदान करता है।

Flow-Matching मॉडल्स में आसान रीइन्फोर्समेंट लर्निंग के लिए एक एकीकृत फ्रेमवर्क

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC के लिए पेपर्स और कोड का संग्रह

HunyuanImage-2.1: हाई-रिज़ॉल्यूशन (2K) टेक्स्ट-टू-इमेज जनरेशन के लिए एक कुशल डिफ्यूजन मॉडल

[ICLR 2025] वेक्टर क्वांटाइजेशन के बिना ऑटोरिग्र्रेसिव वीडियो जनरेशन।

लो-लेवल विज़न पर CVPR2023/2022 के पेपर्स और कोड का संग्रह।

यह रिपॉजिटरी कई ऑफलाइन AI मॉडल, जैसे StableDiffusion (1.5 और XL), ControlNet, Midas, HED और OpenPose का शुद्ध C++ ONNX कार्यान्वयन है।

Blended Latent Diffusion [SIGGRAPH 2023] के लिए आधिकारिक कार्यान्वयन।

waiIllustriousSDXL, waiANIMA और अन्य मॉडल्स के लिए AI प्रॉम्प्ट और ComfyUI/WebUI API सपोर्ट वाला कैरेक्टर सेलेक्ट स्टैंड-अलोन ऐप

Stable Diffusion का एक और PyTorch इम्प्लीमेंटेशन (जो पढ़ने में शायद आसान हो)

AI इमेज जनरेशन के लिए पुन: प्रयोज्य JSON प्रॉम्प्ट टेम्प्लेट और स्टाइल संदर्भों का क्यूरेटेड संग्रह। प्रतिदिन अपडेट किया जाता है।

CVPR 2025 पेपर "SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models" के लिए आधिकारिक कोड

📚 GPT4o प्रॉम्प्ट्स डिक्शनरी | AI इमेज जनरेशन प्रॉम्प्ट्स का क्यूरेटेड कलेक्शन

Weavy AI, Krea Nodes, Freepik Spaces और FloraFauna AI का मुफ्त, ओपन-सोर्स विकल्प — जेनेरेटिव इमेज और वीडियो पाइपलाइनों के लिए नोड-आधारित AI वर्कफ़्लो बिल्डर

ECCV 2024 पेपर के लिए आधिकारिक कोड — हस्तलिखित टेक्स्ट जनरेशन के लिए वन-शॉट डिफ्यूजन मिमिकर

[AAAI2024] FontDiffuser: मल्टी-स्केल कंटेंट एग्रीगेशन और स्टाइल कंट्रास्टिव लर्निंग के साथ डैनोइजिंग डिफ्यूजन के माध्यम से वन-शॉट फॉन्ट जनरेशन

Genblaze एक ओपन सोर्स Python SDK है जो वीडियो, ऑडियो और इमेज प्रदाताओं के बीच जेनरेटिव AI मीडिया पाइपलाइनों को व्यवस्थित करता है, जिसमें प्रत्येक आउटपुट के लिए इन-बिल्ट प्रोवेनेंस शामिल है।

Codex skill for turning everyday photos into poetic white-paper hand-drawn illustrations.

AI Plugin, Payload CMS के लिए एक शक्तिशाली एक्सटेंशन है, जो सामग्री निर्माण और प्रबंधन को बढ़ाने के लिए उन्नत AI क्षमताओं को एकीकृत करता है।