AI 中文社
素材搜索
设计素材搜索聚合
PS饭团网
不一样的设计素材库！让自己的设计与众不同！
素材中国
免费素材共享平台
图虫图库
海量图库,涵盖创意图片和矢量素材等
快图网
快图网提供免费的PNG元素和高清背景图片素材免费下载
包图网
专注原创可商用设计图片下载，1.5亿设计素材图库
包图网-AIGC优选素材
1.5亿高清素材,AIGC素材,免费下载！
百度AI合成图检测
图片/视频进行合成图检测
青椒云图形工作站
青椒云高性能图形工作站，一键启动stable diffusion（免安装+大量墙外模型），AIGC动画制作插件、loar模型炼丹器（无配置要求）
戴尔(Dell)企业采购网
AI服务器、存储、工作站等领域强大优势，录入信息享专属优惠！
Dream Studio模型
Stability AI推出的文本到图...
Disco-diffusion模型
一个弗兰肯斯坦式的笔记本电...
Stable Diffusion Models（1）
Stable Diffusion模型收录集合
Video Diffusion Models
标准图像架构的自然扩展
XtimesAI
国内AI模型下载和交流的平台
TOP.AI腾讯设计开放平台
AIGC学习、创作、分享的平台,旨在引进更多的创意之源,分享更前沿的创意内容。
StableDiffusion艺术社区
StableDiffusion免费教程
TryLeap
在几分钟内为你的应用添加AI
6Pen Art
支持多种模型和中文描述，不保留版权，不保留数据。
瑞波RAI
AI绘画，让创意更美好
Minister AI
欢迎来到waters带来的数字艺术新时代
AI大作绘图
一键生成高清精绘大图
AI艺术之家
提示词(Prompt)灵感分享网站，免费下载可商用AI图片素材库
滴墨AI大画家Domo社区
近百种绘画风格，仅需输入文字，极速生成令人惊叹的绘画作品
3DFY.ai
3DFY.ai是一款利用生成式人工智能从文本中创建高质量3D模型的工具。它旨在满足未来的需求，允许用户在不影响质量的情况下大规模生成3D内容。该工具提供了多种服务，包括文本到3D web和API服务，大规模3D数据集生成，图像到3D服务等等。
kinetix
在虚拟世界中表达自我,自定义表情可用于任何头像和多个世界，以创造性的方式表达您的个性。
RADiCAL
专注于从 2D 内容检测和重建 3D 人体运动。
plask.ai
更轻松地处理 3d 运动 在浏览器上捕获、编辑、播放和共享动画。 只需几分钟。
Blackshark.ai
blackshark人工智能地理空间平台通过全球范围内的机器学习，从当前的卫星和航空图像中提取有关地球基础设施的见解。
Mirage ML
Mirage 是 AI 驱动的 3D 画布，供创意人员轻松设计优美的环境
Kaedim
无论您是构建VR游戏还是3D艺术，Kaedim都可以为您生成高清3D模型。不需要建模经验
Spline
一个在3D制作中设计和协作的地方。
Poly(3D纹理)
用多边形创建纹理,在免费的在线编辑器中使用AI生成3D材料，或搜索我们不断增长的社区图书馆。
CSM 3D Viewer
CSM 3D Viewer提供api、接口和开源软件，将多模态输入和体验转换为数字模拟器，用于人工智能训练和内容创建。我们相信，学习生成世界模型是实现AGI的系统路径，类似于儿童从经验中学习世界的方式。
Masterpiece Studio
Masterpiece Studio的愿景是轻松制作 3D，解锁 10 亿个 3D 创意，我们是一个多学科的团队，专注于创造和推动尖端3D创作的界限超过8年。我们很自豪能与一些最伟大的组织一起塑造未来。我们很荣幸我们的工作得到了行业领导者的认可。
Sloyd
Sloyd是一个3D建模工具，可以...
Chaos® Vantage高阶应用
用实时光线追踪探索您的最复杂的3D场景。 使用 Chaos® Vantage，再也无需等待。只需要拖动完整的 V-Ray 场景到 Vantage 便可开始浏览。还可以与 3ds Max，SketchUp，Rhino，Revit 和 Cinema 4D 实时链接，作为视口使用。
DeepMotion
DeepMotion的先行解决方案运用了最新的物理模拟、运动感知、运动图形以及人类智能技术来创造一个活灵活现的展览。
SWAPP
根本上提高了架构师和房地产开发商的生产力和盈利能力
G3D.ai
想象一下生活中的任何游戏。...
In3D
In3D把人变成逼真的化身，使用手机摄像头在一分钟内为您的元宇宙、游戏或应用程序创建逼真且可自定义的头像
Nvidia·GET3D
我们通过两个潜在代码生成 3D SDF 和纹理场。我们利用 DMTet 从 SDF 中提取 3D 表面网格，并查询表面点处的纹理场以获取颜色。我们使用在 2D 图像上定义的对抗损失进行训练。
