小马良

JINA AI推出新型多任务对比训练方法及其模型JINA CLIP：解决现有CLIP模型在文本检索任务中性能不佳的问题

多模态框架MotionLLM：理解和解释人类行为，特别是通过分析人体动作和视频

快手推出文生图大模型“可图”，支持用户进行AI图像创作以及AI形象定制

新型SD加速模型PCM：解决在高分辨率、文本条件图像生成中的一些现有问题而设计

ChatTTS：专门为对话场景设计的文本到语音TTS模型

新型视频扩散模型StreamV2V：实现实时的视频到视频转换

视频编辑方法I2VEdit：利用了图生视频模型，通过用户编辑视频的第一帧来引导整个视频的生成

新型视频生成技术“CVD（协作视频扩散）”：生成从多个不同摄像机轨迹视角下观察同一场景的一致性视频

清华大学和新畅元科技推出Human4DiT：能够根据单幅图像及任意视点生成高质量、时空连贯的人类视频

谷歌推出贪婪生长方法（Greedy Growing）：用来训练大规模、高分辨率的基于像素的图像扩散模型

谷歌推出新采样方法EM Distillation（EMD）：用于提高扩散模型（diffusion models）的采样效率

英伟达推出新型大语言模型嵌入模型NV-Embed：专门设计用于提高文本嵌入任务的性能