多模态自回归模型，擅长文本生成图像，Lumina-mGPT官网入口网址

ViPer是一种个性化方法，通过要求用户对几张图片发表评论，解释他们的喜好和不喜好，提取个人偏好。这些偏好指导文本到图像模型生成符合个人口味的图像。ViPer官网入口网址

将照片转化为非凡肖像的革命性应用，Reimagic.ai官网入口网址

生成高质量 SVG 代码的基础模型。

1.3B参数的图像转视频模型，用于生成3D一致的新场景视图

一种无混叠的任意尺度超分辨率方法。

通过多实例扩散模型将单张图像生成高保真度的3D场景。

Inductive Moment Matching 是一种新型的生成模型，用于高质量图像生成。

HunyuanVideo-I2V 是腾讯推出的基于 HunyuanVideo 的图像到视频生成框架。

使用先进 AI 技术快速去除图片背景，无需手动编辑，提升工作效率。

无需额外训练的高质量图像修复插件，适用于所有稳定扩散模型。

Aya Vision 32B 是一个支持多语言的视觉语言模型，适用于OCR、图像描述、视觉推理等多种用途。

由 Google 训练的 AI 模型，用于对野生动物相机陷阱图像中的物种进行分类。

Adobe 推出全新 Photoshop iPhone 应用，为移动创作者重新定义图像编辑体验。

VLM-R1 是一个稳定且通用的强化视觉语言模型，专注于视觉理解任务。

Light-A-Video 是一种无需训练的视频重光照技术，通过渐进式光照融合实现平滑的视频重光照效果。

Animate Anyone 2 是一款高保真角色图像动画生成工具，支持环境适配。

基于推理驱动的目标检测技术，通过文本提示实现类似人类精度的检测。

X-Dyna是一种基于扩散模型的零样本人类图像动画生成技术。

LLMs 无需任何培训就能看见和听见

基于GIMM-VFI的ComfyUI帧插值工具

基于InternViT-300M-448px的增强版本，提升视觉特征提取能力。

创建可动的4D人像化身模型

AI脚本集合，主要用于Stable Diffusion模型。ai-toolkit官网入口网址

利用Flux进行图像细节增强的实验性工具，Flux Latent Detailer官网入口网址

3D纹理生成技术，根据文本描述合成3D纹理，TexGen官网入口网址

3D高斯生成技术，实现任意未摆姿势图像的3D重建

即时生成无版权图片

无需调优的全景多视图图像生成，PanoFree官网入口网址

AI图像生成API，提供高质量的4K图像生成和编辑功能。Picogen AI Image API官网入口网址

Qwen2.5-Omni 是阿里云通义千问团队开发的端到端多模态模型，支持文本、音频、图像、视频输入。

LLaVA-Mini是可高效理解图像、视频的大型多模态模型。