image-generation

Trình xem đơn lập đơn giản để đọc prompt từ hình ảnh do Stable Diffusion tạo ra bên ngoài webui.

Một mô hình đa phương thức hợp nhất gốc 3B tham số hoạt động (3B-active-parameter) dành cho việc hiểu, tạo và chỉnh sửa hình ảnh cũng như video.

WebAI2API: Công cụ chuyển đổi AI web thành API dựa trên Camoufox, hỗ trợ LMArena/Gemini và nhiều tính năng khác, đồng thời hỗ trợ đa cửa sổ đồng thời và cô lập tài khoản.

Công cụ suy luận ngoại tuyến cho nghệ thuật, trò chuyện thoại thời gian thực, chatbot hỗ trợ bởi LLM và quy trình làm việc tự động

[NeurIPS 2020] Tăng cường khả dụng vi phân cho việc huấn luyện GAN hiệu quả dữ liệu

Bernini là một framework thống nhất dành cho việc tạo và chỉnh sửa video, kết hợp bộ lập kế hoạch ngữ nghĩa dựa trên MLLM với trình kết xuất dựa trên DiT.

Tiện ích mở rộng Inpaint Anything thực hiện điền khuyết (inpainting) stable diffusion trên giao diện trình duyệt sử dụng mặt nạ từ Segment Anything.

[ICCV 2025] Mã nguồn chính thức của "MV-Adapter: Multi-view Consistent Image Generation Made Easy"

Dễ dàng tạo PDF và hình ảnh trong Symfony bằng cách chuyển đổi HTML sử dụng webkit

Script shell đơn giản để sử dụng ChatGPT và DALL-E của OpenAI từ terminal. Không cần Python hoặc JS.

Bộ sưu tập các tài nguyên tuyệt vời về chuyển đổi ảnh sang ảnh (image-to-image translation).

Tự động tìm kiếm các vấn đề trong tập dữ liệu hình ảnh và thực hành thị giác máy tính lấy dữ liệu làm trung tâm.

PyTorch - Tính toán FID với các bước thay đổi kích thước và lượng tử hóa hình ảnh phù hợp [CVPR 2022]

[ICLR24] Triển khai chính thức của bài báo “MagicDrive: Street View Generation with Diverse 3D Geometry Control”

Mã nguồn chính thức của PyTorch cho "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)

Studio AI cục bộ không kiểm duyệt dành cho Windows, Linux và macOS. Giao diện đồ họa thiết lập bằng không cho Tạo ảnh, GGUF LLM, Chuyển văn bản thành giọng nói & Chuyển giọng nói thành văn bản

Máy chủ suy luận LLM gốc cho Apple Silicon. Tương thích với API OpenAI và Anthropic. Không sử dụng Python. Bao gồm ứng dụng MLX Core trên macOS với tính năng trò chuyện, chế độ đại lý và gọi công cụ.

Kỹ năng minh họa chất liệu Guizang: tạo sơ đồ giải thích có văn bản, làm đẹp biểu đồ và hình ảnh minh họa hỗ trợ tham khảo.

CogView4, CogView3-Plus và CogView3 (ECCV 2024)

Mở rộng liền mạch mọi hình ảnh theo mọi hướng bằng AI. Ứng dụng web mã nguồn mở được cung cấp bởi Gemini qua OpenRouter, với các đường nối Poisson-blended và bộ chọn biến thể tốt nhất trong 3.

Danh sách tổng hợp các tài nguyên, công cụ, kỹ năng, hướng dẫn và bài viết về OpenClaw. OpenClaw (trước đây là Moltbot / Clawdbot) — tác nhân AI tự lưu trữ mã nguồn mở cho WhatsApp, Telegram, Discord và hơn 50 tích hợp.

:fire: :fire: :fire: Danh sách bài báo về một số công trình Thị giác Máy tính (CV) gần đây

[ICLR 2026] Khung lặp không cần huấn luyện để trực quan hóa câu chuyện dài

🎬 Tạo hình ảnh từ bất kỳ góc nhìn camera nào thông qua điều khiển tương tác 3D. Kéo camera trong không gian 3D hoặc sử dụng thanh trượt để thiết lập góc phương vị/góc ngẩng/khoảng cách, sau đó tạo hình ảnh. Được xây dựng bằng Three.js + Gradio, giao diện song ngữ Trung/Anh.

Mã nguồn chính thức bằng PyTorch cho bài báo High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022).

Giao diện Web cho quy trình làm việc AI Local-First hướng tới Gemini, tích hợp trò chuyện đa phương thức, Canvas, xử lý tệp, tìm kiếm thời gian thực, thực thi mã và suy luận nâng cao

Mã nguồn cho "AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling"

Studio tạo slide AI mã nguồn mở trong Codex: bộ slide gốc hình ảnh, mỗi slide là một canvas trực quan đầy đủ. ⚡ Hơn 10 slide chất lượng cao trong khoảng 4–5 phút — Chế độ nhanh hiển thị từng trang song song. 🔍 Xem toàn bộ chuỗi trực tiếp: nghiên cứu → dàn ý → phong cách → kết xuất → chỉnh sửa → trình bày → xuất PDF/PPTX. 🖥️ Ưu tiên trình duyệt · không cần khóa API · dự án bền vững.

Mô hình chỉnh sửa đa ảnh SOTA mã nguồn mở

CLI tạo phương tiện Flatkey cho hình ảnh, video, âm thanh, văn bản, thông tin ghi công và khám phá mô hình.