是一款基于Stable-Diffusion-xl模型微调的AI工具，专注于生成迪士尼 1928 年前的经典动画角色。这款工具使用了包含《小飞象》、《汽船威利号》和《疯狂的高卢》等动画中的 96 张静态画面作为训练数据集。Mickey- 1928 能够生成米奇、米妮和皮特等经典迪士尼卡通形象，保持 1928 年的经典设计风格。

  Mickey- 1928 适合于想生成古典迪士尼风格图像的用户，特别是那些对图像生成技术有兴趣的、从事教学和研究工作的人员。

  11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，稳定性很高，让您的云端之旅更加畅享。快来腾讯云选购吧！

  D3GA 是一款基于高斯点云的可驱动3D人体模型生成工具。该工具利用多视角视频学习技术，能够生成逼线D高斯点云技术进行实时渲染，通过关节角度和关键点驱动模型形变，生成的模型质量高于传统方法。D3GA适用于需要实时渲染和控制3D人体的各种应用场景。点击前往D3GA官网体验入口D3GA的目标用户群D3GA非常适合于那些需要实时渲染和控制3D人体模型的用

  《AIGIFs》是一款利用AI技术生成GIF动图的产品。用户都能够根据提供的文本内容，自动生成相应的GIF动图，操作简单且高效快速。以上就是《AIGIFs》的全部介绍了，感兴趣的小伙伴可以点击上方链接前往体验！

  CelebU是一款基于人工智能技术的平台，专门用于生成个性化名人问候视频。用户可以从多种明星中选择，并利用深度伪造技术创建定制视频，非常适合各种场合。欲了解更多或开始使用CelebU，请访问CelebU官方网站。

  LeonardoAI不仅是一个AI艺术生成器，它是一个开创性的工具，能够以前所未有的质量、速度和风格一致性创建专业级的视觉素材。无论是预训练的AI模型还是用户自行训练的模型，LeonardoAI都能够生成独特的艺术作品。LeonardoAI的操作简便性和功能强大，使其成为图像创作和编辑的理想选择，适合各类用户使用。

  FaceSwapper是一个利用先进AI技术进行无缝人脸互换的在线平台。它提供了一个简单易用的界面，帮助用户为照片添加趣味元素，轻松制作搞笑的表情包或改变视觉讲述的方式。想要探索更多人脸互换的乐趣，或尝试制作独特的照片，请访问FaceSwapper官方网站。

  Pika是一个视频制作平台，用户可以上传自己的创意想法，Pika会自动生成相关的视频。主要功能包括支持多种创意想法转视频、视频效果专业、操作简单易用。以上就是Pika的全部介绍了，感兴趣的小伙伴可以点击上方链接前往体验！

  《DreaMoving》是一个基于扩散模型的可控制视频生成框架，专门用于生成高质量的定制人类舞蹈视频。通过提供目标身份和姿势序列，用户可以用《DreaMoving》生成各种场景下的舞蹈视频。以上就是《DreaMoving》的全部介绍了，感兴趣的小伙伴可以点击上方链接前往体验！

  Pika1.0是一款领先的AI视频生成工具，旨在帮助用户轻松创建个性化视频。无论您是技术爱好者、营销人员还是普通创作者，Pika1.0都能为您提供简单的视频制作解决方案。以上就是Pika1.0的全部介绍了，感兴趣的小伙伴可以点击上方链接前往体验！

  《博思AI白板》是一个集多人实时协作、AIGC、一键PPT、思维导图、笔记文档等多种创意表达能力于一体的工具，旨在点燃团队协作和激发创意，提升团队工作效率到一个新的层次。《博思AI白板》在哪里可以体验呢?下面就给大家带来《博思AI白板》官网体验入口和免费app下载地址。以上就是《博思AI白板》的全部介绍了，感兴趣的小伙伴可以点击上方链接前往体验！

  Appleml-ferret是一个先进的端到端机器学习语言模型，专门设计用于在多模态环境中进行精准定位。它结合了混合区域表示和空间感知的视觉采样器，支持对细粒度和开放词汇的引用和定位。欲了解更多或开始使用ml-ferret，请访问ml-ferret官方网站。

  Heartstring AI是一个AI驱动的演讲写作平台,可以帮助用户在婚礼誓词、悼词等人生重要时刻写出发自内心的演说。用户只需选择演讲场合,AI将为您生成初稿,您能够准确的通过个人需要进行修改定制,轻松写出完美的演讲稿。该产品具有生成效率高、内容真实动人、操作简便等优点,适用于需要撰写演讲稿的各类用户。

  iSamur.ai 是一个 AI 内容创作工具集,提供人脸增强、修复、替换等功能,助力用户轻松创作高质量图像和视频。我们使用深度学习算法,实现精准的人脸操作和转换,还提供无限时长的视频处理。产品功能强大且易于使用,大幅提高内容创作的效率。我们持续研发创新功能,致力于将 AI 技术与创意内容结合,为用户提供简单高效的解决方案。

  Similartool.AI是一个AI工具对比平台,为用户提供准确、可信赖、高影响力的AI工具推荐。平台收录众多AI工具,用户都能够快速发现、比较不同的AI工具,选择最符合自己需求的产品。我们致力于成为用户的首要全面AI工具资源库。

  Lumino是一个机器学习模型训练平台，可以降低50-70%的成本。用户都能够在其广泛的计算资源网络上训练机器学习模型，同时也可以供应计算资源。该平台通过去除中间商（如AWS、GCP和Azure）并直接连接计算资源提供商，显著降低成本。所有模型和训练集都可以追溯到经过加密验证的证据，实现完全的问责制。此外，Lumino采用去中心化和无需许可的网络结构，阻止集中式云平台和专制国家滥用权力。

  Inpaint_wechat是基于微信AI能力的小程序，实现了图片选定区域的消除修复功能，纯客户端实现，无服务端。产品定位为提供便捷的图片修复解决方案，无需额外的服务器支持。

  Feedspace是一款连接企业与用户的反馈AI工具，提供视频、文本、音频和社交媒体反馈收集功能。通过Feedspace，用户都能够快速获取关于项目完成情况、银行服务、公司评价、快递状态等方面的反馈。该产品适用于各种团队和领域，包括产品团队、营销团队、产品设计师、人力资源部门、初创企业、教育机构、电子商务、影响者、非营利组织等。Feedspace还提供丰富的资源和工具，包括博客、快速演示、模板反馈、普遍的问题解答、系统状态、教程等。用户还能够最终靠Feedspace成为合作伙伴，获取高达50%的佣金。产品定价灵活，适用于各种规模的企业。

  GPT Chatbot是由OpenAI开发的AI语言模型。GPT采用Transformer架构，擅长理解和生成人类化的文本。经过大量互联网数据集的预训练，GPT理解上下文、句法和语义，使其能够生成相关的回应。GPT的优点是其能够从多样的语言数据中推断出模式，从而完成对话、回答问题和内容创作等任务。与基于规则的系统不同，GPT动态生成回应，展现了在所有的领域的适应性。其应用场景范围从语言翻译到支持创意写作等。通过整合深度学习技术，GPT捕捉复杂的语言结构，使其能够生成连贯且上下文相关的文本。这一预训练阶段赋予了GPT广泛的语言理解，使其成为执行众多与语言相关任务的多功能工具。

  Mickey-1928:用于生成米奇、米妮等迪士尼公有领域角色图像的稳定扩散模型

  Mickey-1928是一个针对Stable-Diffusion-xl模型微调后的版本,训练数据集包含96张迪士尼1928年前公有领域动画片《小飞象》、《汽船威利号》和《疯狂的高卢》中的静态画面。该模型可以生成米奇、米妮和皮特等经典迪士尼卡通形象,使生成的图像保持1928年的经典设计风格。

  CelestialPDF是一款能够让您与任何PDF文件进行交互的工具。只需上传您的文件，立即开始提出问题。我们致力于为您提供最佳工具，以提升您的生产力。让人工智能为您总结和创建，让您能专注于真正重要的工作。您能够最终靠免费计划或选择我们的专业计划开始使用CelestialPDF。上传您的PDF文件，我们将处理您的文件并准备好让您进行交互。CelestialPDF让您与PDF文件进行交谈变得前所未有的简单。

  BetterYeah AI Agent是一款企业级AI应用开发平台,专注于构建业务专家级的AI工作助理。内置多种成熟模版,功能强大开箱即用,可快速应用落地。支持私有化部署,确保企业数据安全。可一键解析企业数据,处理图文、超链接、表格等知识数据,实现自我学习迭代。提供智能客服、销售顾问等多种应用场景,帮企业重塑业务流程。

  Boundary Attention 是一个可微分模型，它通过一种称为边界注意力的机制来明确地建模边界，包括轮廓、角点和交叉点。与之前的经典方法相比，我们的模型具有可微分性，可扩展到更大的图像，还可以自动适应图像的每个部分的适当几何细节水平。与通过端到端训练找到边界的先前深度方法相比，它具有提供亚像素精度、对噪声更具鲁棒性以及能够以原生分辨率和纵横比处理任何图像的优势。

  Text2Immersion是一个优雅的从文本提示生成高质量3D沉浸场景的方法。我们提出的流水线D扩散和深度估计模型逐步生成高斯云。接下来是对高斯云进行精炼,插值和精炼以增强生成场景的细节。与仅关注单个物体或室内场景,或采用缩小轨迹的主流方法不同,我们的办法能够生成包含各种物体的不同场景,甚至扩展到创造想象中的场景。因此,Text2Immersion可以对各种应用产生广泛的影响,如虚拟现实、游戏开发和自动内容创建。大量的评估证明我们的系统在渲染质量和多样性方面优于其他方法,并且继续推进面向文本的3D场景生成。

  Diffusion Model with Perceptual Loss:基于感知损失的扩散模型

  该论文介绍了一种基于感知损失的扩散模型，通过将感知损失直接纳入扩散训练中来提高样本质量。对于有条件生成，该方法仅改善样本质量而不会影响条件输入，因此不会牺牲样本多样性。对于无条件生成，这种方法也能提高样本质量。论文详细的介绍了方法的原理和实验结果。