新型开源大型多模态模型LLaVA-Critic：用于评估各种多模态任务的性能
模型

字节跳动和马里兰大学帕克分校的研究人员推出新型开源大型多模态模型LLaVA-Critic...
2024-10-05 192
高效且精确的注意力机制量化方法SageAttention：加速大语言处理、图像生成和视频生成模型
新技术

清华大学的研究人员推出一种高效且精确的注意力机制量化方法SageAttention，此方法...
2024-10-05 234
新型视频生成模型Loong：基于自回归大语言模型，能够生成长达一分钟的连贯、内容丰富的视频
新技术

香港大学和字节跳动的研究人员推出新型视频生成模型Loong，它基于自回归大语言模型...
2024-10-05 204
苹果推出新预训练方法CLOC：提升图像和文本表示的预训练效果，特别是在局部区域的语义理解方面
新技术

苹果推出新预训练方法CLOC（对比定位语言-图像预训练），旨在提升图像和文本表示的...
2024-10-05 206
苹果推出一个用于零样本度量单目深度估计的基础模型Depth Pro
新技术

苹果推出一个用于零样本度量单目深度估计的基础模型Depth Pro，它用于提高单目深度...
2024-10-05 202
自适应投影引导APG：不牺牲图像质量的前提下，使用更高的指导尺度，从而生成更丰富、更真实的图像
新技术

苏黎世联邦理工学院和迪士尼研究的研究人员推出自适应投影引导（APG），保留了CFG...
2024-10-05 158
新型CLIP专家混合模型CLIP-MoE：可以无缝替换CLIP，以即插即用的方式，而无需在下游框架中进一步适应
模型

香港中文大学、上海人工智能实验室和舒尔茨大学的研究人员推出新型CLIP模型CLIP-Mo...
2024-10-05 288
基于ComfyUI的ComfyGen：用于文本到图像生成的提示自适应工作流
新技术

英伟达和特拉维夫大学的研究人员推出新型文生图系统ComfyGen，此系统能够根据用户...
2024-10-05 226
Meta推出新型视频生成模型Movie Gen：不仅能制作高清视频，还能为视频配上声音
新技术

Meta宣布推出一款新AI视频生成器Movie Gen，这款工具不仅能制作高清视频，还能为视...
2024-10-05 218
蓝莓真身！Black Forest Labs推出FLUX1.1 [pro]和BFL API，生成质量更高速度更快
模型

由Stable Diffusion 原班人马组成的新公司Black Forest Labs于8月份推出全新文生图...
2024-10-04 254
OpenAI 推出更快的语音转录模型Whisper large-v3-turbo，不牺牲质量、速度提升8 倍
模型

在10月1日的DevDay活动中，OpenAI宣布了一项重大更新：推出了Whisper large-v3-tur...
2024-10-03 334
ViewComfy：将ComfyUI工作流转换为Web应用
工具

ViewComfy是一个基于ComfyUI的开源工具，可以帮你将ComfyUI工作流转换为Web应用，...
2024-09-30 334
没有账号？注册  忘记密码？