基于扩散的文本生成图像模型，能够根据文本输入生成逼真图像

AdaptFormer是一种用于遥感图像变化检测的自适应分层语义方法，针对不同语义深度采取差异化策略。

基于diffusers的文本转视频模型，通过ModelScope微调实现动漫风格呈现，训练分辨率为512x512像素。

基于潜在扩散模型的文生图系统，能够根据文本输入生成逼真图像

基于diffusers框架微调的文本生成视频模型，具备显著的动漫视觉特征，训练分辨率为512x512像素。

Stable Diffusion是一种潜在扩散模型，能够根据文本输入生成逼真图像。

轻量级视觉Transformer模型，结合MobileNetV2与Transformer模块，适用于移动端语义分割任务

该SegFormer模型在512x512分辨率下针对ADE20k数据集进行了微调，采用分层式Transformer编码器与轻量级全MLP解码头架构。