image-generation

开源的 SOTA 多图编辑模型

Open‑WebUI Tools 是一个模块化工具包，旨在扩充并丰富您的 Open WebUI 实例，将其转化为强大的 AI 工作站。项目内含超过 15 种专门工具、函数管线与过滤器，支持学术研究、代理自主性、多模态创造力、工作流程等功能。

[TMLR 2025🔥] 视觉自回归模型综述。

针对人类与 coding agents 的 Local-first 可视化生成运行时与工作室，在多个供应商之间提供可重现的图片与视频工作流程。

一个源码可获取的 Codex 技能，用于将照片提炼成稀疏的编辑抽象。

文本转视频生成/合成技术综述。

本地优先、Agent 原生的 ComfyUI 控制平面——内含 MCP 服务器与侧边栏 Agent，可使用任何 LLM（Claude、ChatGPT、Gemini、离线 Ollama 或任何托管模型）以自然语言生成图片、视频与音频，编写并执行工作流程，以及编辑实时图表。具备 178 种工具、36 种 AI 技能、55 种安装套件。支持本地、局域网、VPS 或 Comfy Cloud。

1,400+ 个来自 X 的精选热门 AI 图像提示词，依参与度排序。适用于 NanoBanana、GPT Image 2、Midjourney

[ICCV 2021] 用于图像重建与合成的焦点频率损失函数

[ICLR 2026] ChronoEdit：迈向图像编辑与世界模拟的时间推理

图像信号处理 (ISP) 指南。通过专用类型的媒体处理器，执行降噪、滤波、自动曝光、自动对焦、HDR 矫正与图像锐化等任务，深入了解将图片/视频转换为数字形式的过程。

[ECCV 2024] OMG：扩散模型中对遮挡友好的个性化多概念生成

面向 GPT-image-2 的 AI 图片生成 WebUI 工作台，支持 Codex Responses 与 OpenAI 兼容 API 接入，内置公用图库、多类型 Chip 快捷引用、提示词模板、多任务并发和本地队列管理。

用于在 Flow-Matching 模型中轻松进行强化学习的统一框架

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC 论文与代码集合

HunyuanImage-2.1：用于高分辨率 (2K) 文字转图像生成的高效扩散模型

CVPR2023/2022 中关于低阶视觉（low level vision）的论文与代码集合

[ICLR 2025] 无向量量化的自回归视频生成

此仓库包含多个离线 AI 模型（例如 StableDiffusion 1.5 与 XL、ControlNet、Midas、HED 和 OpenPose）的纯 C++ ONNX 实现。

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方实现

A comprehensive open-source 3A game-generation skill and asset framework.

角色选择独立应用程序，支持 AI 提示词及 ComfyUI/WebUI API，适用于 waiIllustriousSDXL、waiANIMA 等模型

另一个 PyTorch 版的 Stable Diffusion 实现（可能较易于阅读）。

精选的可重复使用 JSON AI 绘图提示词模板与风格参考，每日更新。

CVPR 2025 论文“SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models”官方代码。

📚 GPT4o 提示词字典 | 精选 AI 图像生成提示词集

Weavy AI、Krea Nodes、Freepik Spaces 与 FloraFauna AI 的免费开源替代方案 — 用于生成式图像与视频管线的节点式 AI 工作流构建器。

ECCV 2024 论文官方代码 — 用于手写文字生成的 One-Shot Diffusion Mimicker。

[AAAI2024] FontDiffuser：通过多尺度内容聚合与风格对比学习的去噪扩散模型，实现一次性字体生成

Genblaze 是一个开源 Python SDK，用于编排跨视频、音频与图像供应商的生成式 AI 媒体流水线，并为每个输出提供内置的来源追踪。