Capybara：开源统一视觉创作模型，一站式支持文生图/文生视频/指令级图像视频编辑
Capybara是由xgen-universe团队开源的统一视觉创作模型框架，基于先进扩散模型与Transformer架构，一站式支持文本生成图像（T2I）、文本生成视频（T2V）、指令驱动图像编辑...
LoRWeB：基于 LoRA 权重基底的视觉类比学习框架，动态组合实现通用图像变换编辑
LoRWeB是NVIDIA研究院发布的开源视觉类比学习框架，核心通过可学习的LoRA权重基底与轻量级编码器动态加权组合，实现“示例驱动”的通用图像编辑。给定图像三元组{a,a'...
BAGEL：字节跳动Seed团队开源的 All-in-One 多模态 AI 模型
BAGEL是字节跳动Seed团队开源的一款All-in-One多模态统一基础模型，具备7B活跃参数（总参数14B），采用创新的混合Transformer专家（MoT）架构，基于大规模交错式文本、图像...
Saber-Translator：一款集检测、识别、翻译、编辑于一体的漫画/图像翻译工具
Saber-Translator是一款开源的一站式 AI 漫画翻译与编辑工具，支持从图像/PDF导入、文本区域检测、多引擎OCR识别、AI翻译到图像修复和文本渲染的全流程处理。该工具集成了多...
DreamOmni2：开源多模态指令驱动的图像编辑与生成模型，支持跨模态参考与精准控制
DreamOmni2是一款开源多模态指令驱动图像编辑与生成模型，支持基于文本和图像参考的跨模态内容创作。其核心优势在于统一架构下兼顾生成与编辑任务，能精准保持对象身份、姿...