近日，ToLo推出了一种创新的两阶段、无需训练的布局到图像生成框架，专门针对高重叠布局设计。该框架通过两个独立的阶段实现图像生成：第一阶段利用预训练的模型生成初步图像，第二阶段则通过优化算法对图像进行精细...

VARGPT是一种多模态大语言模型（MLLM），其独特之处在于将视觉理解与生成功能统一在一个自回归框架内。这一创新设计使得VARGPT能够同时处理文本和图像数据，实现更高效的跨模态信息处理。通过自回归机制，VARGPT不仅...

近日，GitHub上的开源项目LightningDiT引起了广泛关注。该项目通过将潜在空间与视觉模型对齐，成功解决了扩散模型中的一些关键挑战。LightningDiT不仅在ImageNet-256数据集上取得了最先进的成果，还显著加快了训练速...

大多数文本到图像生成模型依赖于从网络上抓取的大量自定义数据。然而，一项最新研究探讨了仅使用ImageNet数据集训练图像生成模型的可能性。研究发现，通过合成生成的密集标注（dense captions）能够显著提升模型性能...

近日，一款名为LightningDiT的高效模块化扩散模型工具包在GitHub上发布，旨在为生成式AI应用提供可扩展且多功能的解决方案。LightningDiT通过优化模型架构和训练流程，显著提升了生成式AI的性能和效率。该工具包支持...

近日，XLabs宣布在强大的Flux模型基础上训练了一系列实用的LoRA模型，其中最受欢迎的是真实感模型。这些LoRA模型通过优化embedding技术，显著提升了生成内容的质量和多样性。真实感模型在图像生成和文本处理领域表现...

近日，一项名为Cast4的技术在3D场景生成领域取得了重要突破。该技术通过复杂的算法流程，能够从单张RGB图像中生成完整的3D场景，尤其适用于室内场景的建模。传统方法在从单张图像生成3D场景时面临诸多挑战，而Cast4...

近日，社区推出了一款名为Flex 1的图像生成模型，该模型基于Flux Schnell进行微调，并采用Apache许可证。Flex 1的设计参数为8B，能够在保持高性能的同时实现快速运行。这一模型的推出为图像生成领域提供了新的工具，...