- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技大本营的专栏
玩转3D全息图像！AI即刻生成
计算机生成的全息(CGH)通过对衍射和干涉的数值模拟实现了高空间角度的3D投影。 长期以来，研究人员一直在研究制作全息图的技术，但是，现有的基于物理的方法无法生成具有按像素聚焦控制和精确遮挡的全息图。 计算繁琐的菲涅耳衍射仿真在图像质量和运行时间两者之间有很大的矛盾，利用传统技术生成全息图需要一台超级计算机进行物理模拟，非常耗费资源，并且产生的三维效果不如真实感。 麻省理工学院的研究人员演示了基于深度学习的CGH管道，该管道能够实时从单个RGB深度图像合成逼真的彩色3D全息图。 首先，用于渲染RGB-D图像的3D场景具有很高的复杂度，并且在颜色，几何形状，阴影，纹理和遮挡方面存在很大的差异，以帮助CNN推广到计算机渲染和实际捕获的RGB-D测试中 输入，通过自定义随机场景生成器实现的 在相等的运行时间下，方法(1)(使用较少的卷积层)可为实验任务提供最高的图像质量；方法(3)导致最低的图像质量，因为CNN模型包含的滤镜数量最少，方法(3)的滤镜数量为240，而方法(1)和(2)的滤镜数量分别为
1.8K20发布于 2021-03-25 AI生成隐藏3D图像的局限性分析
隐藏3D图像的AI生成实验你是否见过那些隐藏着3D图像的自体立体图？就像1990年代的Magic Eye图片，看似嘈杂的重复图案，直到你以特定方式调节视觉焦距才能看到立体效果。 技术实现机制剖析当要求"生成独角兽魔法眼3D立体图像"时，ChatGPT传递给DALL-E3（实际负责图像生成的模型）的描述极其详细：需要包含复杂图案和多样化色彩以确保3D效果突出背景应包含神秘元素以增强深度幻觉独角兽的角和鬃毛应在图案中清晰可辨但 关键在于：ChatGPT不会对返回的图像进行任何识别验证——无论DALL-E3生成什么，对它来说都是黑箱操作。因此ChatGPT会继续按照预设描述执行，仿佛图像完全符合要求。 在自主生成场景中，它本质上仍是文本生成器。这些被宣传为"全能AI"的模型，实际更像装满应用的手机：文本生成应用可在特定情况下启动图像生成应用，但它们并非真正意义上的统一程序。 在生成ASCII文字艺术并自行读取时：在新会话中向其发送自生成的ASCII文字时，它识别为"ERROR"对自身创作的ASCII艺术品的识别和评级同样糟糕技术本质揭示生成ASCII艺术和3D图像并非ChatGPT
26610编辑于 2025-09-07- 来自专栏AI科技大本营的专栏
AI做不了“真”3D图像？试试Google的新生成模型
编译 | 若名 出品 | AI科技大本营 用 AI 生成逼真三维物体模型并不像人们以为的那么困难。 “现代深层生成模型学会了合成逼真的图像，”研究人员写道，“但大多数计算模型只专注于生成 2D 图像，而忽略了 3D 世界的美好......这种视角不可避免地限制了它们在许多领域的实际应用，例如合成数据生成 它与所有 AI 模型相比具有最低的 FID 值，并且 Mechanical Turk 的受访者表示更喜欢 VON 生成的 74％ 到 85％的图像。 “我们的主要想法是将图像生成过程分解为形状、视点和纹理三种因素，”Google 团队写道，“这种分离式 3D 表示使我们能够在对抗学习框架下从 3D 和 2D 视觉数据集合中学习模型。 9 月， Nvidia 的研究人员开发了一种 AI 模型，可以生成脑癌的合成扫描图像，8 月，卡内基梅隆大学的一个团队 演示了 AI 可以将人们已存的动作和面部表情转换成另一张照片或视频中的目标对象。
95220发布于 2018-12-24 - 来自专栏开源心路
AI绘画Imagen大力出奇迹生成图像
AI绘画Imagen大力出奇迹生成图像 介绍 Imagen是一个文本到图像的扩散模型，由Google大脑团队研究所开发。 ) # 条件缩放因子 images.shape # 输出图像的形状 (3, 3, 256, 256) 在imagen_pytorch库中，ImagenTrainer包装类简化了Imagen模型的训练过程 ) # 条件缩放因子，控制图像生成的一致性 images.shape # 输出图像的形状 (2, 3, 256, 256) imagen_pytorch 库进行无条件图像生成的训练，即不依赖于文本输入 代码中先对一组随机生成的图像数据进行训练，然后更新模型。最后，从训练好的模型中无条件地采样生成图像。这个过程演示了如何在不依赖文本输入的情况下使用Imagen模型进行图像生成。 = 16) # 采样生成的图像批次 (16, 3, 128, 128)
79510编辑于 2023-12-27 - 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 简介 网上最近突然多了很多好看的图，后来发觉八成是 AI 图像的优质化和平民化导致的了，自己是没有那个实力和时间以及设备训练模型了，跟风本地跑一跑玩一玩~ 这里先介绍两个网站，对于有能力探寻更深入的人会有所帮助 LoRA（Low-Rank Adaptation of Large Language Models）粗略地讲就是利用少量的图像来对 AI 进行额外学习训练，并在一定程度上控制结果。 访问 http://127.0.0.1:7860/，选择模型，输入关键词可以体验生成图像啦 ~ 此处 Prompt 代表你想要生成的元素，而 Negative prompt 代表你想要避免出现的元素， 选择提示词是一门很神奇的学问，对生成图像的质量至关重要。
2.7K00编辑于 2023-03-28 - 来自专栏AI
图像生成
学习如何在API中使用DALL·E生成或操作图像。想要在ChatGPT中生成图像吗？请访问chat.openai.com。 想要尝试DALL·E 3，请前往ChatGPT。想要尝试DALL·E 2，请查看DALL·E预览应用。用法生成图像生成端点允许您根据文本提示创建原始图像。 默认情况下，图像以标准质量生成，但在使用DALL·E 3时，您可以设置quality："hd"以获得增强的细节。方形、标准质量的图像生成速度最快。 示例DALL·E 3生成PROMPT GENERATION 一张白色暹罗猫的照片 变体（仅适用于DALL·E 2）图像变体端点允许您生成给定图像的变体。
76210编辑于 2024-04-21 - 来自专栏云云众生s
在Jupyter Notebook中显示AI生成的图像
AI及其相关技术，例如OpenAI，可以使许多流程变得轻松。使用合适的工具，您可以将想法转化为创意，通过将文本转换为生成的图像并使用数字媒体管理工具Cloudinary将其存储在云中。 OpenAI的高智能图像API使得显示AI生成的图像成为可能。该API提供从头开始生成原始图像、根据文本提示编辑现有图像以及创建图像变体的方法。 使用DALL-E 3生成原始图像 生成图像时，我们将允许用户使用Python的input函数输入他们想要的提示。如果他们没有输入提示，则当用户在空白输入上按下回车键时，提供的提示将显示图像。 以上代码中的导入语句将使用存储的Cloudinary AI生成的图像的URL以可视方式显示图像，而不是仅显示图像的URL。requests库发出HTTP请求。 来自OpenAI API的生成的输出图像 Cloudinary中上传的AI生成的图像 项目的完整源代码，请使用这个gist或Google Colab中的这个notebook。 结论 已经有灵感了吗？
8.6K10编辑于 2024-11-22 - 来自专栏程序那些事儿
ImageFX，谷歌 AI 图像生成的新篇章
ImageFX 是一个实验性的图像生成工具，它利用了 Imagen 2——Google DeepMind 最新的文本到图像的 AI 模型，为用户提供了一个强大的平台，以简单的文本提示快速生成高质量的图像 安全与隐私的守护者 为了确保内容的安全性和隐私保护，所有通过 ImageFX 生成的图像以及使用 MusicFX 制作的音频都采用了 SynthID 技术进行数字水印标记。 透明的 IPTC 元数据 除了 SynthID 水印，ImageFX 生成的图像还包含了 IPTC 元数据，这为用户提供了更多关于 AI 生成图像的信息。 总结 ImageFX 不仅是一个图像生成工具，它更是一个创意探索的平台，如果你觉得 gemini 生成的图片还不是很满意，那么你可以尝试下谷歌的这个 ImageFX。 随着技术的不断进步和用户反馈的积累，ImageFX 有望成为创意产业中不可或缺的工具之一，开启 AI 图像生成的新篇章。
2K10编辑于 2024-05-03 - 来自专栏Python编程 pyqt matplotlib
Diffusion Modes由文本生成图像（AI绘画）
Diffusion Modes（扩散模型）是当前最火热的由文本生成图像的模型。 Stability.ai 公司提供了在线文本生成图像的网站 DreamStudio 下面是我输入文本后由扩散模型生产的图片： cat beatiful girl, snow beatiful woman 这幅有点翻车 puppy，fight with cat 除了在网页上在线让AI绘画外，还可以将API下载到本地，设置好环境变量和API key 后，在命令行输入命令进行AI绘图。
93720编辑于 2022-11-18 - 来自专栏ATYUN订阅号
AI与艺术相结合：2018年AI生成图像TOP 5
2018年是AI与艺术结合爆发的一年，数千个AI生成的图像在互联网上传播。以下是2018年这一类型中最好的五个图像，以及评选者对AI当前和未来状态的看法。 AI生成的图像可以帮助我们理解AI的思维 2018年图像生成的最大突破之一是由谷歌实习生Andrew Brock创建的名为BigGAN的算法。 他利用谷歌庞大的计算能力创造了一个复杂的神经网络，他训练的图像远远超过大多数研究人员。 ? 结果产生了令人难以置信的纹理的图像，与以前的视觉AI世界全然不同。神经网络产生的狗看起来就跟真的一样。 上面的图像从技术上说并非由AI生成，但它是AI产生的视觉文化的重要人工制品。这是艺术家如何使用传统媒体来阐明算法社会的问题本质的一个例子。 而机器人生成虚假地图只是时间问题。毕竟，我们的视觉文化与我们的政治文化是一致的。
1.3K20发布于 2018-12-29 AI图像生成模型一致性角色生成技术对比
生成一致性角色的技术演进过去，生成一致性角色图像的最佳方法依赖于训练好的LoRA模型。这需要创建一个图像数据集，然后在FLUX LoRA上进行训练。 最佳的一致性角色生成模型截至2025年7月，有四个模型能够根据单一参考图像创建逼真且准确的输出。 结果好坏参半，只有 SeedEdit 3 和 gpt-image-1 能处理“刮干净胡子”的要求。但 gpt-image-1 生成的人物也完全变成了另一个人，这可能是最差的结果。 Gen-4 输出了最佳的女巫图像，但也生成了最不像的兽人。在这个示例中，Kontext Pro 不愿意创建蓝色纳美人的图像，因此展示的是 Kontext Dev 的结果。 SeedEdit 3 倾向于局限于初始构图，使得提示新角度或新场景变得困难。输出通常较柔和，看起来更像AI生成。在复杂场景中，连贯性也是个问题。
42200编辑于 2026-01-04- 来自专栏深度学习与计算机视觉
图像生成：SaGAN
上图就是SaGAN的网络结构，例子是将一个戴眼镜的人脸图像III生成不戴眼镜的人脸图像I^\hat{I}I^。 首先是生成器部分G，它的输入是原始图像III和属性控制信号ccc，负责输出修改后的图像I^\hat{I}I^： I^=G(I,c)\hat{I}=G(I,c)I^=G(I,c) 生成器又拆分为两个网络 判别器部分D也有两部分，分别是原始的DsrcD_{src}Dsrc和增加的DclsD_{cls}Dcls，分别用来评价图像生成的效果和属性编辑的效果。 因为如果没有DclsD_{cls}Dcls，也可以生成出质量高的图像，但是做不到属性的控制。DsrcD_{src}Dsrc和DclsD_{cls}Dcls共用了主干网络。 ? G损失，由于判别器有DsrcD_{src}Dsrc和DclsD_{cls}Dcls两个部分，所以生成器G也要有两个对应的损失函数，分别是固定判别器时生成更真实的图像LsrcGL_{src}^{G}LsrcG
1.3K30发布于 2019-09-25 - 来自专栏ATYUN订阅号
谷歌与MIT开发AI生成逼真的3D模型图像，带有光照和反射
该AI系统名为视觉对象网络（VON），不仅可以生成比某些最先进的方法更逼真的图像，还可以进行形状和纹理编辑，视点偏移，以及其他三维调整。 研究人员表示，“现代深度生成模型学会合成逼真的图像，大多数计算模型只专注于生成2D图像，忽略了世界的3D本质，这种仅支持2D的视角限制了它们在许多领域的实际应用，例如合成数据生成，机器人学习，虚拟现实和游戏 与所有AI模型相比，它具有最低的Fréchet Inception Distance，并且Mechanical Turk受访者74％到85％选择了其生成的图像。 “我们的主要想法是将图像生成过程分解为三个因素：形状，视点和纹理，这种解决3D表征使我们能够在对抗性学习框架下，从3D和2D视觉数据集合中学习模型。 与现有的2D生成模型相比，我们的模型合成了更逼真的图像。它还允许各种不同的3D操作，而以前的2D方法是无法实现的。”
1K30发布于 2018-12-24 - 来自专栏深度学习与计算机视觉
图像生成：GAN
本文链接：https://blog.csdn.net/chaipp0607/article/details/100859215 简介 GAN，即生成对抗模型，是图像生成领域内的一种重要方法，它在2014 G(z)G(z)G(z)就是最后生成出来的图像。 GAN原理 GAN结构 ? 对于生成器G，希望生成的图像G(z)G(z)G(z)无限逼近于真实图像，而对于判别器D，希望无论生成的图像G(z)G(z)G(z)有多真实，判别器总是能把他和真实的图像区分开，所以说GAN是一个G和D博弈的过程 GAN和VAE VAE一般采用MSE评估生成图像，即每一个像素上的均方差，这样会使生成的图像变得模糊。但是VAE由于自身是带条件控制的，所以VAE不会生成很多奇奇怪怪的图像。 GAN采用判别器评估生成的图像，由于没了均方误差损失，所以GAN生成图像更清晰，但是由于GAN很难训练，同时原始的GAN没有条件控制的能力，所以GAN生成的图像有些会很奇怪。
1.2K41发布于 2019-09-18 AI 文本生成图像技术是如何运作的
近年来，AI 文本生成图像技术取得了长足进步。十年前，谁能想到，只需要输入一段文字描述，比如“粉红色独角兽在做瑜伽”，AI 就能生成一张图像？但现在，这种技术已经成为现实。 AI 是如何从文字生成图像的？简单来说，这个过程包括几个关键步骤：数据学习：AI 首先要学会识别物体。 持续改进：生成器和鉴别器会不断“较量”，生成器努力生成更逼真的图像，而鉴别器不断挑出其中的不足。这种反复训练让 AI 生成的图像质量越来越高。 最终生成图像：经过训练，AI 可以根据任何输入生成相应的图像。无论是“打篮球的机器人”还是“糖果做成的海盗船”，AI 都能将这些描述转换为视觉图像。有哪些好用的AI文本生成图像工具？ 如果你想亲自体验这些技术，这里有一些目前非常流行的工具：DALL·E 3：由 OpenAI 开发的 DALL·E 3 可以把最疯狂的想法转化为图像，比如长颈鹿穿着轮滑鞋，它还能将不同风格的艺术元素融合在一起
1.6K10编辑于 2024-09-10- 来自专栏AIGC新知
AI影视系列：图像生成（1） | 关于AI绘画的那些工具盘点
DALL·E 3 DALL·E 3是一款由OpenAI开发的图像生成模型，它通过深度学习技术将自然语言描述转换为图像。 DALL·E 3为创意产业、科研和教育等多个领域带来了生命力。 ideogram 2.0 Ideogram是一个文本到图像的AI生成工具，它让创意表达变得轻松、有趣，同时效率倍增。 目前支持： AI文本到图像生成：输入简单的文本提示词描述即可生成各种场景和画面 多种风格的创意表达：支持如摄影、插画、3D、海报、时尚、动漫、建筑、艺术字等多种图像风格 灵活的图像尺寸比例：Ideogram AI目前提供10:16、1:1和16:10三种不同比例的图像生成 支持图像混合模式：用户可选择图像进行remix，使用新的提示词将现有图像进行微调和更改风格 ideogram支持写实、设计、3D、动漫等类别风格 更多案例：3月份想用AI生成海报的梦，今天ideogram帮我实现了 如果觉得不错，欢迎点赞、在看、转发，您的转发和支持是我不懈创作的动力~
77910编辑于 2024-10-08 - 来自专栏机器之心
一秒内从单个图像生成3D对象，支持实时编辑，Stability AI推出3D生成新方法SPAR3D
刚刚，Stability AI 在 CES 上宣布为 3D 生成推出一种两阶段新方法 ——SPAR3D（Stable Point Aware 3D），旨在为游戏开发者、产品设计师和环境构建者开拓 3D ，能在不到一秒的时间内从单个图像生成 3D 对象的完整结构。 从单个输入图像，SPAR3D 仅需 0.7 秒即可为每个对象生成高度详细的 3D 网格。 相比之下，SPAR3D 不仅能忠实重现输入图像，还能合理生成被遮挡部分的细节。 图 6 进一步展示了其在真实场景图像上的出色泛化性能。 参考链接： https://stability.ai/news/stable-point-aware-3d?
56710编辑于 2025-02-03 - 来自专栏新智元
「蝙蝠感知」AI让智能手机听声生成3D图像
这项技术的核心是一种复杂的机器学习算法，它利用反射回声来生成图像，类似于蝠使用回声定位进行导航和狩猎的方式。 研究人员表示，「该技术可用于通过潜在的任何配备有麦克风和扬声器或无线电天线的设备来生成图像。」 ? Turpin博士表示，动物的回声定位是一种了不起的能力，科学已经成功地以多种不同的方式重新创造了从反射回声中生成三维图像的能力，如RADAR和LiDAR。 最终，该算法已经学会了仅从回声数据中生成它自己的高度准确的房间及其内容的图像，使它具有感知周围环境的蝙蝠式能力。 很明显，这里有很多以新方式感知世界的潜力，我们渴望继续探索未来生成更多高分辨率图像的可能性。」
64030发布于 2021-05-28 Veo2与Imagen3视频图像生成技术
使用Veo 2和Imagen 3实现先进的视频与图像生成Veo 2：最先进的视频生成Veo 2能够创建涵盖广泛主题和风格的高质量视频。在与领先模型进行的人工评估对比中，Veo 2取得了最先进的结果。 通过VideoFX、YouTube和Vertex AI逐步推出，以便识别、理解和改进模型的质量与安全性。 与所有图像视频生成模型一样，Veo 2的输出包含不可见的SynthID水印，用于标识AI生成内容，减少错误信息和归属错误的风险。 Imagen 3：最先进的图像生成改进后的Imagen 3图像生成模型能够生成更明亮、构图更佳的图像，能以更高精度呈现从写实到印象派、抽象到动漫等多种艺术风格。 在与领先图像生成模型的人工对比评估中，Imagen 3达到了最先进水平。即日起，最新Imagen 3模型将在Google Labs的图像生成工具ImageFX中向100多个国家全球推出。
7310编辑于 2026-04-10- 来自专栏星哥的AI自留地
解锁AI绘画新境界！开源文生图解锁AI图像生成无限创意
解锁AI绘画新境界！开源文生图解锁AI图像生成无限创意在当今科技飞速发展的时代，人工智能（AI）技术正以前所未有的速度改变着我们的生活和工作方式。其中，AI图像生成领域更是取得了令人瞩目的进展。 开源 Awesome GPT-4o Images这是一个精选的 GPT-4o 与 gpt-image-1 生成图像与提示词合集。 借助 ChatGPT 和 Sora，全面展示 OpenAI 在 AI 图像生成方面的前沿能力，并不断探索创意表达的新可能。 Sora： OpenAI官方出品，可通过 GPT-4o 生成逼真图像，支持图文结合、场景重建，适用于影视、动画等视觉创意场景。 得到图片结束随着AI技术的不断进步，图像生成领域将迎来更多的可能性。Awesome GPT-4o Images 提供了丰富的风格选项，如吉卜力、厚涂、像素、3D毛绒等。
56510编辑于 2025-05-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号