image-generation

Um visualizador simples e independente para ler prompts de imagens geradas pelo Stable Diffusion fora da webui.

Um modelo multimodal nativo unificado com 3B de parâmetros ativos para compreensão, geração e edição de imagens e vídeos.

WebAI2API: Ferramenta baseada em Camoufox para converter IA web em API, com suporte a LMArena/Gemini, concorrência multi-janela e isolamento de contas.

Motor de inferência offline para arte, conversas de voz em tempo real, chatbots baseados em LLM e fluxos de trabalho automatizados

[NeurIPS 2020] Aumento diferenciável para treinamento de GAN com eficiência de dados

Bernini é um framework unificado para geração e edição de vídeo que combina um planejador semântico baseado em MLLM com um renderizador baseado em DiT.

A extensão Inpaint Anything realiza inpainting de stable diffusion em uma interface de navegador usando máscaras do Segment Anything.

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

Crie facilmente PDFs e imagens no Symfony convertendo HTML usando webkit

Script de shell simples para usar o ChatGPT e DALL-E da OpenAI a partir do terminal. Não requer Python ou JS.

Coleção de recursos incríveis sobre tradução de imagem para imagem.

Encontre problemas automaticamente em conjuntos de dados de imagens e pratique visão computacional centrada em dados.

PyTorch - Cálculo de FID com etapas adequadas de redimensionamento e quantização de imagem [CVPR 2022]

[ICLR24] Implementação oficial do artigo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

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

Estúdio de IA local sem censura para Windows, Linux e macOS. Interface gráfica de configuração zero para geração de imagens, LLMs GGUF, conversão de texto em fala e de fala em texto

Servidor de inferência LLM nativo para Apple Silicon. Compatível com a API da OpenAI e Anthropic. Sem Python. Inclui o aplicativo MLX Core para macOS com chat, modo agente e chamada de ferramentas.

Habilidades de ilustração de materiais de Guizang: geração de diagramas explicativos com texto, embelezamento de gráficos e imagens de suporte de referência.

CogView4, CogView3-Plus e CogView3 (ECCV 2024)

Expanda perfeitamente qualquer imagem em qualquer direção com IA. Aplicativo web de código aberto alimentado pelo Gemini via OpenRouter, com mesclagem de bordas via Poisson e seletor de variantes best-of-3.

Uma lista curada de recursos, ferramentas, habilidades, tutoriais e artigos sobre OpenClaw. OpenClaw (anteriormente Moltbot / Clawdbot) — agente de IA open-source auto-hospedado para WhatsApp, Telegram, Discord e mais de 50 integrações.

Lista de artigos de trabalhos recentes em Visão Computacional (CV)

[ICLR 2026] Framework iterativo sem treinamento para visualização de histórias longas

🎬 Gere imagens a partir de qualquer ponto de vista da câmera via controle interativo 3D. Arraste a câmera no espaço 3D ou use os seletores para definir azimute/elevação/distância e gere a imagem. Desenvolvido com Three.js + Gradio, interface bilíngue ZH/EN.

Implementação oficial em PyTorch para o artigo High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).

WebUI de fluxo de trabalho de IA com foco em local-first para o Gemini, integrando chat multimodal, Canvas, processamento de arquivos, busca em tempo real, execução de código e raciocínio avançado.

Código para "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

🎨 Estúdio de slides de IA de código aberto dentro do Codex: decks nativos de imagem, cada slide é uma tela visual completa. ⚡ Mais de 10 slides de alta qualidade em ~4–5 minutos — O modo rápido renderiza cada página em paralelo. 🔍 Acompanhe toda a cadeia ao vivo: pesquisa → esboço → estilo → renderização → edição → apresentação → exportação para PDF/PPTX. 🖥️ Focado no navegador · sem chaves de API · projetos duráveis.

Modelo de edição de múltiplas imagens SOTA de código aberto

CLI de geração de mídia Flatkey para imagens, vídeos, áudio, texto, créditos e descoberta de modelos.