图像
  1. 首页
  2. 图像

列表

VQAScore

VQAScore

VQAScore是一种基于视觉问答（VQA）模型的评估工具，用于衡量文本提示生成图像的质量。它通过计算回答“是”概率的方式评估图像与文本提示的对齐程度，无需额外标注，提供更精确的结果。VQAScore支持多种生成任务，包括图像、视频及3D模型，并能作为多模态学习的研究工具，在自动化测试和质量控制中发挥重要作用。
AI项目与工具 2025年06月12日
Markable AI

Markable AI

Markable AI 是一款基于AI技术的电商营销工具，支持图像与视频商品识别，并提供深度链接生成、拼贴图制作、亚马逊集成等功能。适用于创作者进行内容推广、电商营销和数据分析，提升内容转化率与收入。平台兼容多个电商平台，优化推广策略，提高运营效率。
AI项目与工具 2025年06月11日
Raphael

Raphael

Raphael 是一款基于 Flux.1-Dev 模型的 AI 图像生成工具，无需注册即可使用。支持多种艺术风格，提供高质量图像生成，具备快速处理能力和严格的隐私保护机制。适用于艺术创作、内容设计、营销、游戏开发等多个领域，适合个人及商业用途。
AI项目与工具 2025年06月12日
moemate

moemate

Moemate是一款集成了多语言对话、屏幕感知、语音克隆和自定义图像模型等功能的AI角色平台。它支持用户创建个性化AI伴侣，并兼容多种语言模型和操作系统。Moemate不仅提供娱乐体验，还具备教育辅助、信息查询和工作效率提升等实用功能，适合个人和企业用户。
AI项目与工具 2025年06月12日
Phraser

Phraser

Phraser 是一款人工智能驱动的工具，专为 Midjourney、Dall-E、Stable Diffusion、Disco Diffusion 和 Craiyon 等领先艺术生成器的快速创作而设计。
Ai提示指令 2025年06月05日
DAM

DAM

DAM-3B是英伟达开发的多模态大语言模型，专用于图像和视频中特定区域的详细描述。支持点、边界框、涂鸦或掩码等方式指定目标区域，生成精准文本描述。其核心技术包括焦点提示与局部视觉骨干网络，有效融合全局与局部特征。DAM-3B-Video版本扩展至视频处理，适用于动态场景。模型基于Transformer架构，支持多模态输入，广泛应用于内容创作、智能交互及无障碍工具等领域。
AI项目与工具 2025年06月11日
ColorFlow

ColorFlow

ColorFlow是一款由清华大学与腾讯ARC实验室联合研发的图像序列着色模型，具备检索增强、上下文学习及超分辨率技术，能够精准保持个体身份并实现高质量着色。该工具在漫画、动画制作、老照片修复及艺术创作等领域具有广泛应用价值，同时支持学术研究和技术探索。
AI项目与工具 2025年06月12日
ParGo

ParGo

ParGo是一种由字节与中山大学联合开发的多模态大语言模型连接器，通过结合局部与全局token，提升视觉与语言模态的对齐效果。其核心模块PGP和CPP分别提取图像的局部和全局信息，增强细节感知能力。在多个基准测试中表现优异，尤其在文字识别和图像描述任务中优势明显。采用自监督学习策略，提高模型泛化能力，适用于视觉问答、图像字幕生成、跨模态检索等多种场景。
AI项目与工具 2025年06月12日
FlexiAct

FlexiAct

FlexiAct是由清华大学与腾讯ARC实验室联合研发的动作迁移模型，可在空间结构差异较大的场景下实现精准动作迁移，并保持目标主体的外观一致性。其核心模块包括轻量级RefAdapter和频率感知动作提取（FAE），有效提升跨主体动作迁移的灵活性与准确性。该模型适用于影视、游戏、广告等多个领域，具有良好的应用前景。
AI项目与工具 2025年06月11日
Amazon Nova

Amazon Nova

Amazon Nova是亚马逊云服务推出的一套强大的AI基础模型系列，涵盖文本、图像和视频生成等多个领域。其核心产品包括Amazon Nova Micro（专注文本处理）、Amazon Nova Lite（多模态低成本模型）、Amazon Nova Pro（多模态平衡型模型）、Amazon Nova Premier（复杂推理模型）、Amazon Nova Canvas（图像生成模型）和Amazon
AI项目与工具 2025年06月12日