image-generation

一個簡單的獨立檢視器，用於在 webui 之外讀取 Stable Diffusion 生成圖片中的 prompt

具備 3B 活躍參數的原生統一多模態模型，支援影像與影片的理解、生成及編輯。

WebAI2API：基於 Camoufox 的網頁 AI 轉 API 工具，支援 LMArena/Gemini 等，具備多視窗併發與帳號隔離功能。

用於藝術、即時語音對話、LLM 驅動的聊天機器人與自動化工作流程的離線推論引擎

[NeurIPS 2020] 用於提升資料效率的 GAN 訓練之可微分資料增強技術

Bernini 是一個用於影片生成與編輯的統一框架，結合了基於 MLLM 的語意規劃器與基於 DiT 的渲染器。

Inpaint Anything 擴充功能使用 Segment Anything 的遮罩，在瀏覽器介面中執行 stable diffusion 內填。

[ICCV 2025]「MV-Adapter: Multi-view Consistent Image Generation Made Easy」官方實作

透過使用 webkit 轉換 html，在 Symfony 中輕鬆建立 PDF 與圖片

從終端機使用 OpenAI 的 ChatGPT 與 DALL-E 的簡單 shell 指令碼。不需要 Python 或 JS。

影像對影像轉換（image-to-image translation）精選資源列表。

自動尋找圖片資料集中的問題，並實踐以資料為中心的電腦視覺。

PyTorch - 具備適當影像縮放與量化步驟的 FID 計算 [CVPR 2022]

[ICLR24] 論文「MagicDrive: Street View Generation with Diverse 3D Geometry Control」的官方實作

「VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization」官方 PyTorch 實作（CVPR 2021）

歸藏的材質插畫 skill：生成帶字解釋圖、圖表美化和參考輔助配圖。

適用於 Windows、Linux 與 macOS 的無審查本地 AI 工作室。零設定圖形介面，支援圖像生成、GGUF LLM、文字轉語音與語音轉文字

適用於 Apple Silicon 的原生 LLM 推論伺服器。相容 OpenAI + Anthropic API。無須 Python。包含具備聊天、agent 模式與工具呼叫功能的 MLX Core macOS 應用程式。

利用 AI 向任意方向無縫擴展圖像。開源 Web 應用，透過 OpenRouter 由 Gemini 驅動，具備 Poisson 融合接縫與三選一變體選擇器。

CogView4、CogView3-Plus 與 CogView3 (ECCV 2024)

OpenClaw 資源、工具、技能、教學與文章的精選列表。OpenClaw（前稱 Moltbot / Clawdbot）— 適用於 WhatsApp、Telegram、Discord 及 50 多種整合的開源自託管 AI agent。

🎬 透過 3D 互動控制從任何攝影機視角生成影像。在 3D 空間中拖曳攝影機或使用滑桿設定方位角/仰角/距離後進行生成。基於 Three.js + Gradio 建構，支援中英雙語介面。

:fire: :fire: :fire: 近期電腦視覺 (CV) 相關論文清單

[ICLR 2026] 用於長篇故事視覺化的免訓練迭代框架。

論文 High-Resolution Virtual Try-On with Misalignment and Occlusion-Handled Conditions (ECCV 2022) 之官方 PyTorch 實作。

面向 Gemini 的 Local-First AI 工作流 WebUI，整合多模態聊天、Canvas、檔案處理、即時搜尋、程式碼執行與進階推理。

🎨 Codex 內建的開源 AI 簡報工作室：原生影像簡報，每一張投影片都是完整的視覺畫布。⚡ 約 4-5 分鐘即可產出 10 張以上高品質投影片 — 快速模式可平行渲染每一頁。🔍 即時觀看完整流程：研究 → 大綱 → 風格 → 渲染 → 編輯 → 簡報 → 匯出 PDF/PPTX。🖥️ 以瀏覽器為優先 · 無需 API 金鑰 · 專案持久保存。

「AnyGPT: Unified Multimodal LLM with Discrete Sequence Modeling」的程式碼

開源的 SOTA 多圖編輯模型

用於圖像、影片、音訊、文字、製作名單與模型探索的 Flatkey 媒體生成 CLI