image-generation

[TMLR 2025🔥] 視覺自迴歸模型總覽。

Open‑WebUI Tools 是一個模組化工具包，旨在擴充並豐富您的 Open WebUI 實例，將其轉化為強大的 AI 工作站。專案內含超過 15 種專門工具、函式管線與過濾器，支援學術研究、代理自主性、多模態創造力、工作流程等功能。

針對人類與 coding agents 的 Local-first 視覺化生成執行環境與工作室，在多個供應商之間提供可重現的圖片與影片工作流程。

一個原始碼可取得的 Codex 技能，用於將照片提煉成稀疏的編輯抽象。

文字轉影片生成/合成技術綜述。

1,400+ 個來自 X 的精選熱門 AI 圖像提示詞，依參與度排序。適用於 NanoBanana、GPT Image 2、Midjourney

本地優先、Agent 原生的 ComfyUI 控制平面——內含 MCP 伺服器與側邊欄 Agent，可使用任何 LLM（Claude、ChatGPT、Gemini、離線 Ollama 或任何託管模型）以自然語言生成圖片、影片與音訊，編寫並執行工作流程，以及編輯即時圖表。具備 178 種工具、36 種 AI 技能、55 種安裝套件。支援本機、區域網路、VPS 或 Comfy Cloud。

[ICCV 2021] 用於影像重建與合成的焦點頻率損失函數

影像訊號處理 (ISP) 指南。透過專用類型的媒體處理器，執行降噪、濾波、自動曝光、自動對焦、HDR 矯正與影像銳化等任務，深入了解將圖片/影片轉換為數位形式的過程。

[ICLR 2026] ChronoEdit：邁向影像編輯與世界模擬的時間推理

[ECCV 2024] OMG：擴散模型中對遮擋友善的個人化多概念生成

面向 GPT-image-2 的 AI 圖片生成 WebUI 工作台，支援 Codex Responses 與 OpenAI 相容 API 接入，內建公用圖庫、多類型 Chip 快捷引用、提示詞範本、多任務併發和本地佇列管理。

用於在 Flow-Matching 模型中輕鬆進行強化學習的統一框架

CVPR2026/CVPR2025/ICCV2025/CVPR2024/ECCV2026/ECCV2024 AIGC 論文與程式碼集合

HunyuanImage-2.1：用於高解析度 (2K) 文字轉圖像生成的高效擴散模型

[ICLR 2025] 無向量量化的自迴歸視訊生成

CVPR2023/2022 中關於低階視覺（low level vision）的論文與程式碼集合

此儲存庫包含多個離線 AI 模型（例如 StableDiffusion 1.5 與 XL、ControlNet、Midas、HED 和 OpenPose）的純 C++ ONNX 實作。

「Blended Latent Diffusion」[SIGGRAPH 2023] 的官方實作

角色選擇獨立應用程式，支援 AI 提示詞及 ComfyUI/WebUI API，適用於 waiIllustriousSDXL、waiANIMA 等模型

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

另一個 PyTorch 版的 Stable Diffusion 實作（可能較易於閱讀）。

精選的可重複使用 JSON AI 繪圖提示詞模板與風格參考，每日更新。

CVPR 2025 論文「SemanticDraw: Towards Real-Time Interactive Content Creation from Image Diffusion Models」官方程式碼。

📚 GPT4o 提示詞字典 | 精選 AI 圖像生成提示詞集

Weavy AI、Krea Nodes、Freepik Spaces 與 FloraFauna AI 的免費開源替代方案 — 用於生成式影像與影片管線的節點式 AI 工作流建構器。

ECCV 2024 論文官方程式碼 — 用於手寫文字生成的 One-Shot Diffusion Mimicker。

[AAAI2024] FontDiffuser：透過多尺度內容聚合與風格對比學習的去噪擴散模型，實現一次性字體生成

Genblaze 是一個開源 Python SDK，用於編排跨影片、音訊與影像供應商的生成式 AI 媒體管線，並為每個輸出提供內建的來源追蹤。

Codex skill for turning everyday photos into poetic white-paper hand-drawn illustrations.