DIG-In：評估影象生成模型在不同地理區網域的質量、多樣性和一致性
DIG-In是一個用於評估文本到影象生成模型在不同地理區網域中質量、多樣性和一致性差異的庫。它使用GeoDE和DollarStreet作為參考資料集，透過計算生成影象的相關特徵和精度、覆蓋度指標，以及使用CLIPScore指標來衡量模型的表現。
HunyuanDiT Distillation Acceleration：高效能影象生成模型的蒸餾加速版本
HunyuanDiT Distillation Acceleration 是騰訊 Hunyuan 團隊基於 HunyuanDiT 模型開發的蒸餾加速版本。透過漸進式蒸餾方法，在不降低效能的情況下，實作了推理速度的兩倍提升。該模型支援多種GPU和推理模式，能夠顯著減少時間消耗，提高影象生成效率。
InstantX：AI內容生成研究組織
InstantX是一個專注於AI內容生成的獨立研究組織，致力於文本到影象的生成技術。其研究專案包括風格保持的文本到影象生成（InstantStyle）和零樣本身份保持生成（InstantID）。該組織透過GitHub社群進行專案更新和交流，推動AI在影象生成領網域的應用和發展。
SD3-Controlnet-Canny：一種用於生成影象的深度學習模型
SD3-Controlnet-Canny 是一種基於深度學習的影象生成模型，它能夠根據使用者提供的文本提示生成具有特定風格的影象。該模型利用控制網路技術，可以更精確地控制生成影象的細節和風格，從而提高影象生成的質量和多樣性。
Tencent EMMA：多模態文本到影象生成模型
EMMA是一個基於最前沿的文本到影象擴散模型ELLA構建的新型影象生成模型，能夠接受多模態提示，透過創新的多模態特徵聯結器設計，有效整合文本和補充模態資訊。該模型透過凍結原始T2I擴散模型的所有引數，並僅調整一些額外層，揭示了預訓練的T2I擴散模型可以秘密接受多模態提示的有趣特性。
AutoStudio：多輪互動式影象生成技術
AutoStudio是一個基於大型語言模型的多輪互動式影象生成框架，它透過三個代理與一個基於穩定擴散的代理來生成高質量影象。該技術在多主題一致性方面取得了顯著進步，透過並行UNet結構和主題初始化生成方法，提高了影象生成的質量和一致性。
Stable Diffusion 3 Medium：先進的文本到影象AI模型，實作高質量影象生成
Stable Diffusion 3 Medium是Stability AI迄今為止釋出的最先進文本到影象生成模型。它具有2億引數，提供出色的細節、色彩和光照效果，支援多種風格。模型對長文本和複雜提示的理解能力強，能夠生成具有空間推理、構圖元素、動作和風格的影象。
LlamaGen：自迴歸模型在可擴充影象生成領網域的新突破
LlamaGen是一個新的影象生成模型家族，它將大型語言模型的原始下一個token預測範式應用於視覺生成領網域。該模型透過適當的擴充，無需對視覺訊號的歸納偏差即可實作最先進的影象生成效能。LlamaGen重新審視了影象分詞器的設計空間、影象生成模型的可擴充性屬性以及它們的訓練資料質量。
Midjourney Personalization：個性化影象生成工具
Midjourney是一個獨立的研究實驗室，專注於探索新的思想媒介和擴充人類想象力。它是一個自籌資金的小團隊，專注於設計、人類基礎設施和人工智慧。Midjourney Personalization透過使用者對影象對的評分來學習使用者的偏好，並根據這些偏好生成個性化的影象。
EasySdxlWebUi：簡化SdxlWebUi的安裝和使用，讓影象生成更便捷
EasySdxlWebUi是一個開源專案，旨在簡化SdxlWebUi的安裝和使用過程，使得使用者可以更加方便地利用Stable Diffusion web UI和forge等工具進行影象生成。專案支援多種擴充功能，允許使用者透過web介面進行引數設定和影象生成，同時也支援自訂和自動化安裝，適合需要快速上手和高效生成影象的使用者。