APISR

DemoFusion简介 DemoFusion，一个开源的 ai 图像重绘增强工具，一个超更高分辨率的图像生成增强工具，通过使用最新的 BSR Gan技术，可以把生成图像的分辨率提高4倍、16倍，甚至更高，并修复和增强图像的细节。Demofusion项目地址：https://github.com/PRIS-CV/DemoFusionDemofusion体验地址：https://huggingface.co/spaces/radames/Enhance-This-DemoFusion-SDXLDemoFusion由萨里大学的人工智能研究所开发，允许用户使用免费提供的开源人工智能模型（如Stable Diffusion）生成基本图像，然后对其进行增强，以更高的分辨率添加更多细节和功能。任何中端游戏 PC 或 Mac M1 都提供必要的计算能力。为了使用普通的开源 AI 工具获得高分辨率结果，该团队首先生成了低分辨率图像，然后对其进行了增强。这不是一种放大方法，而是通过在图像上以补丁形式处理，将细节和分辨率提高至少 16 倍，从 AI 模型中哄骗出更多细节。DemoFusion功能特征：我们的DemoFusion框架无缝扩展了开源 GenAI 模型，采用渐进式升频、跳过残差和扩展采样机制来实现更高分辨率的图像生成。1、高分辨率图像生成:D emoFusion 专注于利用潜在扩散模型（LDMs）生成更高分辨率的图像，突破了传统图像生成技术的限制。2、渐进式上采样：该框架通过逐步提高图像的分辨率来生成更清晰、更详细的图像。这种渐进式方法允许更精细地控制图像质量。它会逐步提高图片的清晰度，这样你可以先看到一个大概的效果，然后再慢慢变得更清晰。3、跳过残差和扩张采样机制：DemoFusion 使用这些先进的技术来改善图像的局部细节和全局一致性，从而生成更自然和逼真的图像。4、与 ControlNet 的集成：可以无缝集成到基于 LDM 的多种应用中，例如与 ControlNet 结合，实现可控的高分辨率图像生成。5、放大真实图像：还能够放大真实图像，通过编码的真实图像表示来替换初始阶段的输出，实现图像的高分辨率放大。6、无需大量内存和调整：DemoFusion 设计得既高效又易于使用，不需要大量的内存资源或复杂的调整过程。DemoFusion 是否会获得足够的牵引力来与 OpenAI 的 DALL-E 等巨头竞争还有待观察，但它的创建是向公众和更广泛的科技界开放 AI 图像生成潜力的重要一步，它不需要额外的训练，可以直接应用于现有模型，提供分辨率的显著提升。

LabelU简介 LabelU是一个开源的数据标注工具，它可以帮助用户快速、准确、高效地对数据进行标注，从而提高机器学习模型的性能和质量。LabelU支持多种标注类型，包括标签分类、文本描述、拉框、多边形、点、线、立体框、时间戳、片段分割等。LabelU可以自由组合多样工具，无缝兼容多格式数据，同时支持载入预标注，加速数据标注效率，满足不同场景和需求的标注任务。LabelU主要特征：多功能图像注释工具：LabelU 提供了一套全面的图像标注工具，包括 2D 边界框、语义分割、折线和关键点。这些工具可以灵活解决物体检测、场景分析、图像识别、机器翻译等多种图像处理任务，帮助用户高效识别、注释和分析图像。强大的视频标注能力：在视频标注领域，LabelU展示了令人印象深刻的处理能力，支持视频分割、视频分类和视频信息提取。非常适合视频检索、视频摘要、动作识别等应用，使用户能够轻松处理长时长视频，准确提取关键信息，并支持复杂场景分析，为后续模型训练提供高质量的标注数据。高效的音频注释工具：音频注释工具是 LabelU 的另一个关键功能。这些工具具备高效、精准的音频分析能力，支持音频分割、音频分类、音频信息提取。通过可视化复杂的声音信息，LabelU 简化了音频数据处理工作流程，有助于开发更准确的模型。LabelU特征：简单：提供多种图像标注工具，通过简单的可视化配置即可进行标注。灵活性：多种工具可以自由组合，满足大多数图像、视频、音频标注需求。通用性：支持导出多种数据格式，包括JSON、COCO、MASK。LabelU注册与登录：在线版可通过“手机验证码”注册登录，也可使用“手机号/邮箱+密码”的方式注册登录。离线版账号信息存储在本地电脑，可通过用邮箱注册来进行登录。LabelU应用：用于自动驾驶的图像数据标注，从而训练车辆识别模型。对音频数据进行时间戳标注，提高语音识别或语音转文字的准确性。在医疗影像中，对CT扫描图像进行标注，进行辅助疾病诊断。LabelU作为一个综合数据标注平台，专为处理多模态数据而设计。它提供了一系列先进的注释工具和高效的工作流程，使用户可以更轻松地处理涉及图像、视频和音频的注释任务。 LabelU专为满足复杂数据分析和模型训练的需求而量身定制。

HiDiffusion简介 HiDiffusion大幅提升扩散模型的图像生成质速度提升6倍，由字节跳动的研究团队开发，HiDiffusion无需训练，只需要一行代码就可以提高 SD 生成图像的清晰度和生成速度。支持将图像生成的分辨率提高至4096×4096，同时将图像生成速度提升1.5至6倍。还能在高分辨率图像生成中将推理时间减少 40%-60%，支持所有 SD 模型同时也支持 SD 模型的下游模型，比如Playground。HiDiffusion功能特征：支持的模型： HiDiffusion 支持多种稳定扩散模型，包括 Stable Diffusion XL、Stable Diffusion XL Turbo、Stable Diffusion v2 和 Stable Diffusion v1。此外，它还支持基于这些模型的下游扩散模型，如 Ghibli-Diffusion 和 Playground 等。支持的任务： HiDiffusion 支持多种任务，包括文本到图像的生成、ControlNet 控制网络任务和Inpainting 图像修复。易于使用： 通过Huggface Diffusers库，使用 HiDiffusion 生成图像极为简单，只需添加一行代码即可。通过广泛的实验验证，HiDiffusion不仅解决了对象重复和高计算负荷的问题，还在生成高分辨率图像的任务上达到了前所未有的效果。HiDiffusion测试地址：https://huggingface.co/spaces/multimodalart/HiDiffusion

MotionAgent一站式视频生成工具简介 MotionAgent是一个能将用户创造的剧本生成视频的深度学习模型工具。用户通过我们提供的工具组合，进行剧本创作、剧照生成、图片/视频生成、背景音乐谱写等工作。其中，通义千问 -7B 模型可以帮助生成高质量的剧本内容，文本生成图片模型可以生成剧照，而核心模型 I2VGen-XL 可以将剧照转化为视频，最后音乐生成模型可以生成想要的音乐。通过 MotionAgent，用户可以将自己的创意轻松变成现实。MotionAgent功能特性1、剧本生成（Script Generation）用户指定故事主题和背景，即可生成剧本，剧本生成模型基于LLM（如Qwen-7B-Chat），MotionAgent可生成多种风格的剧本2、剧照生成（Movie still Generation）通过输入一幕剧本，MotionAgent即可生成对应的剧照场景图片3、视频生成（Video Generation）图生视频，支持高分辨率视频生成4、音乐生成（Music Generation）MotionAgent可自定义风格的背景音乐

EZ-Work简介 EZ-Work 是一款开源 ai 文档翻译助手，旨在帮助用户使用 OpenAI 等大型语言模型 API 快速且经济高效地翻译文档。支持txt、word、csv、excel、pdf、ppt等多种文档格式的翻译，适用于各种需要文档翻译的场景。支持txt、word、csv、excel、pdf、ppt文档AI翻译支持扫描pdf翻译支持兼容OpenAI格式的任何端点API（中转API）支持批量操作支持多线程支持Docker部署EZ-Work的主要特点：多格式文档翻译：EZ-Work支持多种常见文档格式的翻译，包括txt、word、csv、excel、pdf和ppt，甚至支持扫描的pdf文件的翻译，可以满足用户对不同格式文档的翻译需求。兼容OpenAI API：EZ-Work兼容OpenAI格式的任何端点API，并支持中转API。用户可以灵活选择翻译服务商，充分利用大语言模型的翻译能力。批量操作和多线程支持：支持多文档翻译任务的批量处理和多线程操作，大大提高翻译效率，适合处理大规模文档的翻译需求。Docker部署：EZ-Work提供Docker部署模式，让用户可以轻松地在不同操作系统和环境上部署和运行翻译服务，简化安装和配置过程。用户前台和管理后台：EZ-Work提供了简单易用的用户前端界面和管理后端，用户可以通过该界面直观地进行文档翻译操作和管理。适合没有技术背景的用户。高效率、低成本：EZ-Work通过调用大语言模型API，提供高效、低成本的文档翻译解决方案，适合有快速翻译需求的个人和企业。EZ-Work使用方法：EZ-Work兼容OpenAI API请求格式进行文档翻译，请输入接口地址，默认为https://api.openai.com （支持中转接口），再输入API Key，即可开始使用。在线版无需注册即可体验，暂不提供会员注册服务。如果您需要完整的功能和更快的性能，请按照下方提示自行部署。

EmojiGen简介 EmojiGen是一个开源的表情符号生成器。它由 Replicate 上的 fofr/sdxl-emoji 提供支持。可以根据用户任意的文字描述生成新的表情符号，不同用户可以获得完全定制的个性表情符号，用户只需要在输入框中输入一个词或短语，EmojiGen就会立即生成相关的表情符号。EmojiGen，应该是世界上最大的表情符号库（约 25 万表情）,EmojiGen有大量默认的表情符号，分类为“最新”和“特色”两部分。EmojiGen还有个开源项目，为其他开发者提供了参考，并进行二次开发打造出更多优秀的ai应用。可以利用文本提示生成表情。接受用户的提示，生成一个表情。然后，使用Replicate去除背景。用户可以点击下载并添加到Slack。EmojiGen功能：使用AI技术根据文字生成相关的表情符号。提供大量默认表情符号库（约 25 万表情）。用户可以输入任意文字获得自定义表情符号。生成的图片可以下载保存和在聊天软件中使用。

libcom简介 libcom是由上海交通大学BCMI实验室耗资数百万、历经六年时间研发的图像合成工具箱，它在2023年底正式发布，并迅速获得关注，截至2024年10月，其下载量已突破1.2万次。libcom集成了十余项图像合成功能，包括前景背景融合、光照匹配、阴影生成等，结合传统方法与深度学习技术，显著提升合成图像质量。libcom的推出，目的在于提供一个开箱即用的解决方案，让用户无需大量训练微调即可进行图像合成。libcom核心特点与功能：libcom的设计理念是全面覆盖图像合成的各个方面，它集成了十几项核心功能，每项功能都经过精心挑选和优化，以确保简单有效。get_composite_image：通过基础技术如剪切粘贴、alpha融合和泊松融合，实现前景与背景的自然结合。OPAScoreModel：评估合成图像的合理性，给出0到1的评分，帮助用户判断合成效果是否自然。FOPAHeatMapModel：生成热力图，指导用户找到最佳的前景物体放置位置和尺寸，提升合成图像的合理性。color_transfer：实现颜色迁移，帮助合成图像的前景与背景在色彩上更加和谐。ImageHarmonizationModel：通过调整光照，使前景与背景在视觉上更加一致，增强图像的和谐性。此外，libcom还提供了艺术图像和谐化、阴影生成等其他高级功能，以及一系列辅助资源，如awesome-image-composition资源库、在线演示（尽管可能不是最新模型）和一篇持续更新四年的综述文章，为图像合成领域的研究和应用提供了丰富的资料和工具。libcom应用领域：libcom工具箱广泛适用于虚拟现实、艺术创作、电子商务广告设计、以及作为数据增强工具来提升机器学习模型的训练质量等多个领域。如何使用Libcom进行图像合成？1.环境准备：确保你已经安装了Libcom工具箱。可以从其GitHub项目页面下载并安装。2.加载图像：准备好需要合成的前景图像和背景图像。确保前景图像有清晰的边界，以便后续处理。3.使用合成函数：Libcom提供了多个功能来实现图像合成，以下是一些常用的功能：get_composite_image：通过剪切、粘贴和融合技术将前景与背景合成。FOPAHeatMapModel：输入背景和前景，生成合理性分数热力图，帮助确定前景物体的最佳放置位置。ImageHarmonizationModel：调整前景光照，使其与背景和谐。4.执行合成：根据需要选择合适的模型进行合成。例如，使用get_composite_image函数可以直接将前景和背景合成，代码示例如下：composite_image = libcom.get_composite_image(foreground, background)5.评估合成效果：使用OPAScoreModel等模型评估合成后的图像质量，确保前景物体的位置和大小合理。可以通过以下代码获取分数：score = libcom.OPAScoreModel(composite_image, foreground_mask)6.后处理：如果需要，可以使用阴影生成模型（如ShadowGenerationModel）为合成图添加阴影，以增强真实感。7.保存结果：完成合成后，将结果保存为新图像文件，以便后续使用。libcom的推出不仅仅是图像合成技术的一次飞跃，更是开源社区的一大贡献。

Chatbot UI简介 Chatbot UI，一个开源的聊天机器人Web UI框架，提供 Openai 的 ChatGPT UI 的改进版本。该工具提供了一个简单的用户界面，具有新对话、新聊天、导入数据、导出数据、设置和插件键等功能。Chatbot UI支持接入OpenAI、Azure OpenAI、Anthropic、Google、Mistral和Perplexity等模型，同时支持Ollama上的本地模型接入。Chatbot UI功能特征：聊天功能，包括图像和文件功能。使用OpenAI嵌入或本地嵌入。详细的聊天设置。用于快速选择的聊天设置预设创建。使用/命令的提示。使用@命令的文件。使用@命令的文件集合（集合）。助手（比如角色/GPTs，工具正在开发中）。所有功能的导入/导出。分享功能。认证系统。带有个人档案背景的个人资料。带有自定义指令的工作区。本地运行或部署托管。集成的图像/文件存储。Chatbot UI旨在与 OpenAI 的 API 一起使用，允许用户输入他们的 API 密钥并快速轻松地连接。需要注意的是，Chatbot UI 不隶属于 OpenAI，只是其 ChatGPT UI 的克隆。Chatbot UI仅用作与 OpenAI 的 API 进行通信的一种方式，如果不使用 API 密钥，它将无法运行。还建议用户在侧边栏左下角设置他们的 OpenAI API 密钥，以便与该工具无缝集成，并可以通过 OpenAI 的网站获取密钥。此外，Chatbot UI还提供“新提示”功能，允许用户输入新数据。总体而言，对于那些正在寻找通过有效且用户友好的界面使用 OpenAI API 的方法的人来说，聊天机器人 UI 是一个有用的工具。