Bendi新闻
>
3个令人兴奋的AI项目,已开源!

3个令人兴奋的AI项目,已开源!

大家好,今天继续聊聊科技圈发生的那些事。

一、manga-image-translator

当你作为一名资深二次元,跑遍了论坛,求遍了群友,终于,找到了一份期待已久的漫画资源。

嗯,画面和之前看到的切片差不多,可就是哪不对..

生肉?!可没人说看个漫画还得精通语言啊!看不懂,咋办?

于是,manga-image-translator来了。

正如其名,manga 即日语的漫画, manga-image-translator 是一款开源的图像翻译器,上传图片,它能够识别图像中的文本部分,并将其翻译成你想要的语种。

OCR(Optical Character Recognition),光学字符识别技术。基于这项技术, manga-image-translator 可以通过亮-暗检测的模式,精准的提取出图片中的文字,将其转换成可处理的数据。

manga-image-translator 接入了很多翻译器,将OCR提取出的文字进行翻译。

此外,manga-image-translator 还有去除文本气泡里面内容的功能,方便后续进行编辑美化。当然,在进行文本去除后,manga-image-translator 还会对余下的气泡部分进行修复,保证了视图的美观和完整。

去除气泡内文字

项目地址:

https://github.com/zyddnys/manga-image-translator

目前项目已经开源,支持命令行执行Web服务器执行两种模式。感兴趣的小伙伴可以自己试一试。

想必,开发团队中难免少不了几个绅士吧。

二、screenshot-to-code

一款将屏幕截图转换成代码的开源工具。

通过截取屏幕图像,screen-to-shot 工具可以识别出代码的页面布局,生成HTML、CSS、Javascript 等常用的代码,同时还能预览代码实现的效果。

透过这个功能,似乎就像是 screen-to-shot 帮我们戴上一副透视眼镜。仅仅根据截图,我们就能透过图像,直接看到背后的代码结构。当然,这背后的工作仍然要交给 AI 。

我们尝试将 Taylor Swift 的 Instagram 个人主页截图下来,并将其上传给 screen-to-shot。

可以看到, screen-to-shot 在很短的时间内就生成了新代码,将 Taylor  的主页以很高的还原度“复制”了下来。

对于 NYTimes 的新闻, screenshot-to-code 也有不错的表现。

单看这两个示例,我们可以发现,抛开选用的图像,只谈页面布局的话,说不上是一模一样,但 screen-to-shot 至少能给出相似且舒服的代码,实现类似的布局效果。

在项目的主页上,作者团队声明使用了以下的AI大模型:

  • GPT4-Vision
  • Claude 3 Sonnet
  • DALL-E

工具主要使用 GPT4-Vision 生成代码,而 Claude 3 Sonnet 用于辅助(在某些输入情况下,它比 GPT4-Vision 性能更好),并使用 DALL-E 生成图像。

目前 screenshot-to-code 有两种使用方式。一种是在作者团队的网站上在线使用,需要付费。

地址:https://screenshottocode.com

另一种是本地部署。

项目地址:

https://github.com/abi/screenshot-to-code

除了上传截图生成代码外,工具同样支持输入网页URL在线获取截图。项目已开源,可以自己部署进行体验。

三、OMG

国产团队开发的项目。简单来说,就是可以支持换脸生成。

OMG 支持 civitai.com 上的角色和风格 LoRA 。它还可以与 InstantID 组合用于多个 ID ,每个 ID 使用一个图像。

我们可以来看看作者团队给出的四种示例。

OMG + LoRA

LoRA 是 Stable Diffusion 模型的插件网络,在 SD 模型的基础上进行精细的微调。

OMG + InstantID

InstantID 的特点,就是可以在保持高保真度的同时,支持各种不同风格的图像生成。它能够根据一张人脸图像,生成多种风格的图像。

OMG + ControlNet

同样是 SD 模型的插件之一。可以输入一些调节图像指导图像的生成,在几种不同的方法下控制图片的布局,例如边缘图、深度图、分割图、法线图等等。

姿势示例
边缘图示例
深度图示例

OMG + style LoRAs

更换了几种不同的风格。

style LoRAs示例

项目地址:

https://github.com/kongzhecn/omg

项目已经开源,可以根据自己的需要,自由选择想要的方法进行体验。

·················END·················

微信扫码关注该文公众号作者

来源:Jack Cui

相关新闻

4个令人兴奋的爆火AI项目,已开源!又火一个惊艳的AI项目,已开源!一个火爆外网的国产AI项目,已开源!4个令人惊艳的开源项目,诞生了!Diffusion4D:首个4D视频生成扩散模型!数分钟内实现4D内容生成,超81K的4D数据集已开源!全球首个「开源GPT-4」出世!Llama 3震撼发布,Meta AI免登录可用首个基于Mamba的MLLM来了!模型权重、训练代码等已全部开源又火一个惊艳的开源项目,诞生了!大厂发函,3 万Star的开源项目被清空微信聊天记录导出的开源项目,火了!86个开源的Mamba魔改!这个「AI 写真」开源项目火了! GitHub 一周暴涨四千星,Yann LeCun 亲自转发首个超越 GPT-4o 的开源模型提前泄露!Hugging Face 紧急 404 | 附下载链接扎克伯格的Llama 3号称全球最强开源模型!却写不好这个……比 Python 快 9 万倍的 Mojo 终于开源了!刚上线 star 已超过 1.7 万KDD 2024 | 已开源!可解释性点过程对社交网络交互的挖掘7.5K星开源项目“白做了”?OpenAI发布开发者最期待的头号功能,让多个优秀开源项目瞬间凉了!韩总统夫人已失踪3个月!收名牌包贿赂被偷拍人间蒸发,网友:韩版消失的凯特王妃?!开源AI拯救Meta!市值一夜飙升1960亿刀,年分红7个亿想要“杀死”智能手机的AI Pin凉了:3个月退货量比销量还高!人手一个智能助手的未来离我们还有多远?Llama 3突然来袭!开源社区再次沸腾:GPT-4级别模型可以自由访问的时代到来别打工了!3人就能开的餐饮店!月入数万!6个月回本!全美70家连锁支持!全程指导!火爆全美!规格拉满!Llama和Sora作者都来刷脸的中国AI春晚,还开源了一大堆大模型成果AI成功改写人类DNA,全球首个基因编辑器震撼开源!近5倍蛋白质宇宙LLM全生成
logo
联系我们隐私协议©2024 bendi.news
Bendi新闻
Bendi.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Bendi.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。