图像处理

LEOPARD

LEOPARD是一款由腾讯AI Lab开发的视觉语言模型,专为处理包含大量文本的多图像任务而设计。它通过自适应高分辨率多图像编码模块和大规模多模态指令调优数据集,实现对复杂视觉语言任务的高效处理,包括跨图像推理、高分辨率图像处理及动态视觉序列长度优化。LEOPARD在自动化文档理解、教育、商业智能等领域具有广泛应用潜力。

TensorPix

TensorPix是一个利用AI技术进行视频和图像处理的在线平台,支持视频放大至4K分辨率、图像增强、在线视频压缩及图像生成等功能。它适用于多种应用场景,如视频聊天录像增强、视频内容创作、旧视频修复以及低帧率视频优化等。TensorPix提供免费及不同级别的付费订阅方案,以满足个人和企业需求。

Retake AI

Retake AI是一款基于人工智能的照片编辑与修复工具,支持超分辨率放大、低清人像修复、智能降噪、低光照增强和人像动漫化等功能。所有计算均在本地完成,确保隐私安全。适用于老照片翻新、摄影后期、社交媒体优化及艺术创作等多种场景,提供高质量图像处理解决方案。

Ingredients

Ingredients是一款基于多身份图像与视频扩散Transformer的视频生成框架,支持多身份特征的高效整合与动态分配。其核心模块包括面部提取器、多尺度投影器和ID路由器,能够保持身份一致性并生成高质量视频内容。无需额外训练即可实现个性化视频制作,适用于娱乐、广告、教育等多个领域。

Text Behind Image

Text Behind Image 是一款开源在线工具,支持用户在图片中主体背后添加自定义文字,提供多样化的样式定制选项,包括字体、颜色、位置等。它基于 Next.js 框架,采用前端图像处理技术,适配多种应用场景,如社交媒体营销、广告宣传、个人表达及教育用途。

VLOGGER

VLOGGER AI是一款由谷歌研究团队开发的多模态扩散模型,主要用于从单一输入图像和音频样本生成逼真的、连贯的人像动态视频。该工具能够根据音频控制人物动作,包括面部表情、唇部动作、头部运动、眼神、眨眼及上身和手部动作,实现音频驱动的视频合成。VLOGGER生成的视频具有高度的真实性和多样性,能够展示原始主体的不同动作和表情。此外,VLOGGER还可以用于编辑现有视频和跨语言视频内容适配。

Seedream 2.0

Seedream 2.0 是字节跳动豆包团队推出的中英双语图像生成模型,具备强大的文本理解和渲染能力,可生成具有文化细节和美学表达的高质量图像。支持多分辨率生成、字符级文本处理,并通过强化学习优化性能,适用于海报设计、社交媒体、绘画创作等多领域应用。

UnZipLoRA

UnZipLoRA是一种由伊利诺伊大学厄巴纳-香槟分校研发的图像处理技术,能够将图像内容与风格分离,并分别以两个LoRA模型表示。该技术通过提示分离、列分离和块分离策略,有效解决内容与风格纠缠的问题,支持高效训练和兼容性组合。可用于艺术创作、图像编辑、风格迁移及个性化图像生成等场景,提升图像处理的灵活性和可控性。

Miracle F1

Miracle F1 是一款由美图 WHEE 推出的 AI 图像生成工具,具备高真实感的图像生成能力,能精准处理光影、材质和空间效果。其语义理解能力强,可准确还原复杂描述,如“纯色背景”“夜景灯光”等。支持多种风格,涵盖 3D 立体、二次元、复古等,适用于电商展示、活动海报、插画设计等多个场景。基于扩散模型和优化算法,提升了生成效率与质量。

Photo Retouch

Photo Retouch是一款基于AI技术的多功能照片编辑工具,支持物体擦除、人像美化、颜色调整、视频去水印等多种功能。它能够智能分析图像内容,帮助用户快速清理干扰元素、修复旧照片,并提升图像的整体视觉效果。此外,它还提供丰富的个性化选项,满足从日常修图到专业创作的需求。