image-editing

高機能でありながら使いやすいスクリーンショットソフトウェア。

Grounded SAM: Grounding DINOとSegment Anything、Stable Diffusion、Recognize Anythingを融合 - 自動検出、セグメンテーション、生成をすべて実行

PaddlePaddle GANライブラリ。First-Order motion transfer、Wav2Lip、画像修復、画像編集、photo2cartoon、画像スタイル変換、GPENなどの多くの興味深いアプリケーションを含む。

🎨 クラシックなMS Paint、復活 + ✨追加機能

OpenMMLab マルチモーダル高度・生成・インテリジェント作成ツールボックス。魔法を解き放つ 🪄：Generative-AI (AIGC)、使いやすいAPI、素晴らしいモデルズー、拡散モデルなど、テキストから画像生成、画像/動画の修復/強化などに利用可能。

スクリーンショット、オフラインOCR、検索、翻訳、画像検索、画面への貼り付け、画面録画、全方向スクロールスクリーンショット、画面翻訳。Windows、Linux、macOSに対応。

OpenAIの画像生成/編集のためのGPT Image 2プロンプトギャラリー、画像プロンプトライブラリ、エージェンティックスキル、およびCLI

論文「Anydoor: zero-shot object-level image customization」の公式実装

純粋なGoでの画像処理アルゴリズム

[CVPR 2026] PromptEnhancerは、プロンプトをより明確で構造化されたバージョンに洗練させるプロンプト書き換えツールであり、より優れた画像生成を可能にします。

[CVPR'25] 論文の公式実装 - MagicQuill: インテリジェントな対話型画像編集システム

OpenAI gpt-image-2 APIに基づく画像生成・編集ツール。

🔥 [ICCV 2025 Highlight] InfiniteYou: アイデンティティを維持しながら柔軟に写真を再生成するツール

GPT-4o や Gemini 2 Flash などのクローズドソースモデルに匹敵する性能を目指した、SOTA のオープンソース画像編集モデル

[NeurIPS 2025] 画像編集は 1 つの LoRA で十分！わずか 0.1% のトレーニングデータで素晴らしい画像編集を実現！ID の維持において GPT-4o を凌駕〜MoE チェックポイントを公開！わずか 4GB の VRAM で実行可能！

本プロジェクトは「DreamOmni2: Multimodal Instruction-based Editing and Generation (CVPR2026 Highlight)」の公式実装です。

ブラウザで使用できる拡張可能な画像編集ツール

あらゆるStable Diffusionモデルに対応する、高品質かつトレーニング不要のインペイント。ComfyUIをサポート

画像と動画の理解、生成、編集を行う、アクティブパラメータ数3Bのネイティブ統合マルチモーダルモデル

論文公式実装: Zero-shot Image Editing with Reference Imitation

Bernini は、MLLM ベースのセマンティックプランナーと DiT ベースのレンダラーを組み合わせた、動画生成および編集のための統合フレームワークです。

[CVPR2024, Highlight] DragDiffusion の公式コード

[ECCV 2024] PowerPaint は、テキストガイダンスによるオブジェクトのインペインティング、オブジェクトの削除、アウトペインティング、形状ガイダンスによるオブジェクトのインペインティングを単一のモデルでサポートする、多機能な画像インペインティングモデルです。

🎬 3Dインタラクティブ操作で任意のカメラ視点から画像を生成。3D空間でカメラをドラッグするかスライダーで方位角/仰角/距離を設定して生成。Three.js + Gradio製、日英バイリンガルUI。

「Pivotal Tuning for Latent-based editing of Real Images」(ACM TOG 2022) の公式実装 https://arxiv.org/abs/2106.05744

UniWorld: 統合された視覚的理解と生成のための高解像度セマンティックエンコーダー

オープンソースのSOTAマルチ画像編集モデル

[ICML 2024] MagicPose (MagicDance としても知られる): アイデンティティを考慮した Diffusion によるリアルな人物のポーズと表情の再ターゲット

[ICLR 2026] ChronoEdit: 画像編集とワールドシミュレーションにおける時間的推論に向けて

GPT-image-2向けのAI画像生成WebUIワークベンチ。Codex ResponsesおよびOpenAI互換APIに対応し、共有ギャラリー、マルチタイプのクイックチップ、プロンプトテンプレート、マルチタスク並行処理、ローカルキュー管理を内蔵しています。