视觉模型PLLaVA：能够理解视频中的内容，包括动作、场景、人物穿着等，并能够生成详细描述这些内容的字幕
新技术

来自新加坡国立大学、纽约大学和字节跳动的研究人员推出用于视频密集字幕生成的先...
2024-04-29 190
通用反馈学习架构ID-Aligner：用于提升文本到图像生成任务中的身份保持性能
新技术

来自中山大学和字节跳动的研究人员推出通用反馈学习架构ID-Aligner，它用于提升文...
2024-04-28 325
字节跳动推出PuLID：用于个性化文本到图像的生成
新技术

字节跳动推出PuLID，它用于个性化文本到图像（Text-to-Image，简称T2I）的生成。Pu...
2024-04-28 658
视频运动迁移模型MotionMaster：在不需要训练的情况下，实现视频中相机运动的转移
新技术

来自上海交通大学、腾讯优图实验室和哈尔滨工业大学的研究人员推出一个无需训练的...
2024-04-28 238
图像编辑技术Editable Image Elements：允许用户对输入的图像进行空间编辑，同时保持图像内容的逼真度
新技术

来自加州大学圣地亚哥分校和Adob​​e 研究中心的研究人员推出新的图像编辑技术Edita...
2024-04-28 310
新颖图像和视频处理框架MaGGIe：用于实现人类图像的精确分割，从图像和视频中提取人物前景
新技术

来自马里兰大学和Adob​​e的研究人员推出新的图像和视频处理技术MaGGIe（Masked Gui...
2024-04-27 256
弱监督方法CatLIP：用于在互联网规模的图像-文本数据上预训练视觉模型
新技术

苹果推出新颖的弱监督方法CatLIP（Categorical Loss for Image-text Pre-training...
2024-04-27 296
混合数据专家MoDE：通过聚类方法来提升对比语言-图像预训练（CLIP）的性能
新技术

来自Meta、哥伦比亚大学、纽约大学和华盛顿大学的研究人员推出机器学习系统MoDE（M...
2024-04-27 216
ConsistentID：生成个性化人像图像时保持高度的面部身份（ID）一致性
新技术

来自 中山大学深圳校区、中山大学珠海校区、联想研究院和阿联酋起源人工智能研究院...
2024-04-27 370
谷歌推出基于问答的自动评估指标Gecko，用于评估文生图模型的性能
新技术

谷歌推出基于问答的自动评估指标Gecko2K，用于评估文生图模型的性能。文生图模型生...
2024-04-27 232
阿里EMO 模型上线通义千问APP，用照片 + 音频生成唱歌视频
工具

阿里巴巴在今年2月份就公开了创新框架EMO，它是一个能够根据音频生成表情丰富的肖...
2024-04-26 488
One step SDXL comparison：对比 SDXL Turbo、SDXL Lightning 和 HyperSDXL生成图片的速度和质量
工具

国外开发者在Hugging Face Spaces上建立的一步 SDXL 比较应用One step SDXL compar...
2024-04-25 274
没有账号？注册  忘记密码？