图像处理
  1. 首页
  2. 图像处理

列表

NVILA

NVILA

NVILA是一款由NVIDIA开发的视觉语言模型，通过“扩展-压缩”策略优化处理高分辨率图像和长视频，兼具效率与准确性。它在图像和视频基准测试中表现优异，支持时间定位、机器人导航和医疗成像等应用场景，并通过参数高效微调和量化技术提升模型性能。未来将在GitHub和HuggingFace平台上开源。
AI项目与工具 2025年06月12日
LBM

LBM

LBM（Latent Bridge Matching）是一种基于潜在空间桥接匹配的图像到图像转换框架，支持目标移除、图像重光照、深度图生成等多种任务。通过布朗桥和随机微分方程实现高效且多样化的图像转换，具备良好的可控性和视觉一致性。适用于摄影、设计、3D建模等多个领域，具有广泛的应用前景。
AI项目与工具 2025年06月11日
IC

IC

IC-Light是一款由张吕敏开发的AI图像处理工具，专注于图像的光源操纵和光影重构，支持基于文本和背景条件下的图像重照明。该工具适用于多种场景，包括个人照片编辑、专业摄影后期、电商产品展示、广告和海报设计等。IC-Light具备自动抠图、光源方向选择、文本条件重照明等功能，并且支持开源获取。
AI项目与工具 2024年01月01日
百度AI搜

百度AI搜

百度AI搜是一款基于文心大模型构建的桌面端AI搜索引擎，融合了百度多领域的资源与技术，提供智能创作、画图修图、AI阅读及精选智能体等功能。它支持文档阅读、图片处理、代码助手以及法律咨询等多样化应用，适用于学习、工作和生活中的多种场景，助力用户高效获取信息与创造价值。
AI项目与工具 2025年06月12日
SPAR3D

SPAR3D

SPAR3D是一种基于两阶段设计的单图像3D重建工具，能从单张2D图像生成高质量的3D网格。它结合点扩散模型与三平面Transformer技术，实现快速、精确的几何与纹理重建，并支持用户交互式编辑。适用于增强现实、影视制作、工业设计等多个领域。
AI项目与工具 2025年06月12日
WebSSL

WebSSL

WebSSL是由Meta和纽约大学等机构开发的视觉自监督学习模型，基于大规模网络图像数据训练，无需语言监督即可学习有效视觉表示。其包含多个变体，参数规模从3亿到70亿不等，在多模态任务如视觉问答、OCR和图表理解中表现出色。通过筛选含文本图像数据，显著提升特定任务性能。模型具备良好的扩展性，适用于智能客服、文档处理、医疗影像分析等多个领域。
AI项目与工具 2025年06月11日
ICEdit

ICEdit

ICEdit是由浙江大学与哈佛大学联合开发的指令式图像编辑框架，基于扩散变换器实现自然语言驱动的图像修改。支持多轮编辑、风格转换、对象替换等功能，具有高效处理能力（单张图像约9秒）。采用LoRA-MoE混合微调策略，降低资源需求，适用于创意设计、影视制作、社交媒体等多个领域。开源且提供在线体验，便于研究与应用。
AI项目与工具 2025年06月11日
BEN2

BEN2

BEN2是一款由Prama LLC开发的深度学习图像和视频处理工具，专注于高效、精准的背景移除与前景分割。采用置信度引导抠图技术，可处理复杂细节，如头发和边缘，确保高精度分割。支持4K图像处理，具备GPU加速功能，适用于图像编辑、视频剪辑及批量处理等多种应用场景。
AI项目与工具 2025年06月12日
Chillin

Chillin

Chillin是一款AI驱动的在线视频编辑工具，融合了After Effects和Premiere Pro的功能，支持无缝视频编辑与矢量动画制作。它具备AI字幕生成、图像背景去除、高质量图像生成等功能，支持跨平台使用且无水印限制，适用于多种应用场景如社交媒体、在线教育、企业宣传和个人创作。
AI项目与工具 2025年06月12日
Pixtral 12B

Pixtral 12B

Pixtral 12B是一款由法国初创企业Mistral开发的多模态AI模型，能够同时处理图像和文本数据。该模型包含120亿参数，大小约为24GB，基于Nemo 12B文本模型构建。它具备强大的图像和文本处理能力，能够执行图像描述生成、统计照片中的物体数量等任务，并在多个基准测试中表现出色。Pixtral 12B将根据Apache 2.0许可证开源，用户可以自由下载和微调该模型。应用场景广泛，包括
AI项目与工具 2025年06月12日