PanoDreamer：从单一图像生成360°的3D全景场景
新技术

德克萨斯 A&M 大学、Leia和马克斯普朗克信息学研究所的研究人员推出新型方法Pa...
2周前 52
多事件视频生成框架MinT：根据一系列文本提示和特定的时间戳生成具有精确时间控制的视频序列
新技术

Snap Research、多伦多大学和向量研究所的研究人员推出多事件视频生成框架MinT（Mi...
2周前 52
多代理协作框架GENMAC：实现复杂的文本到视频生成，特别是针对组合性文本提示的生成
新技术

香港大学、清华大学和微软研究院的研究人员推出多代理协作框架GENMAC，旨在实现复...
2周前 56
图像编辑工具SwiftEdit：通过简单的文本提示实现快速的图像编辑
新技术

VinAI 研究中心、越南科技大学邮电研究所的研究人员推出图像编辑工具SwiftEdit，它...
2周前 52
LIFT：利用人类反馈进行文生视频模型对齐的新型微调方法
模型

文本到视频（T2V）生成模型近年来取得了显著进展，能够生成高质量的合成视频。然而...
3周前 60
多模态大语言模型InternVL 2.5：处理和理解来自多种模态（如文本、图像和视频）的信息
模型

InternVL 2.5 是由上海人工智能实验室、商汤科技研究院、清华大学、南京大学、复旦...
3周前 58
谷歌AI播客应用Illuminate：将网页内容转化为音频对话
工具

谷歌的AI笔记和研究助手NotebookLM获得了不错的回响后，近期又推出了AI音频应用 Il...
3周前 72
阿里巴巴语音实验室发布开源语音处理框架 ClearerVoice-Studio：支持语音增强、分离和目标说话人提取
模型

在当今的音频环境中，清晰沟通面临诸多挑战。背景噪音、重叠对话以及音频和视频信...
3周前 60
适用于SVDQuant技术的ComfyUI节点及量化模型已推出
插件

之前已向大家介绍了《新的4位量化方法SVDQuant》，现在该方法已经推出了适用于Comf...
3周前 94
适用于Flux模型的时尚杂志封面提示词
提示词

Flux模型非常强大，对于杂志封面图也能轻松生成，按照一类规则书写提示词就能生成...
3周前 86
ComfyUI-ConDelta：类似于LoRA或嵌入，但更轻量、更高效的向量调节
插件

ConDelta 是一种通过从一个提示条件向量中减去另一个提示条件向量得到的潜在向量。...
3周前 76
Golden Noise：将随机的高斯噪声转换成能够生成更高质量、与文本提示更匹配的图像的“黄金噪声”
新技术

香港科技大学（广州）、穆罕默德·本·扎耶德人工智能大学和香港浸会大学的研究人员...
3周前 74
没有账号？注册  忘记密码？