Meta开源的人体动作生成模型Meta Motivo：生成符合物理规律的复杂的全身动作
新技术

Meta Motivo 是一个创新的行为基础模型，旨在通过一种新的无监督强化学习（RL）算...
2周前 56
深度求索推出开源视觉模型DeepSeek-VL2 ：支持动态分辨率、处理科研图表、解析各种梗图等
模型

DeepSeek-VL2 是由深度求索（DeepSeek-AI）推出的一系列先进混合专家（MoE, Mixtur...
2周前 46
Sber AI 推出新一代多模态生成模型Kandinsky 4.0：包含3个视频生成模型（T2V、T2V Flash、I2V）和一个视频生成音频模型（V2A）
模型

去年，在 AI Journey 2023 大会上，Sber AI 推出了两款引人注目的模型：用于图像生...
2周前 84
FireFlow：用于快速反转和编辑图像语义内容，提高图像生成和编辑的效率和准确性
新技术

尽管带有蒸馏的校正流（ReFlows）为快速采样提供了一种有前景的方法，但其...
2周前 66
图像超分辨率技术InvSR：基于扩散反转（Diffusion Inversion）来提高图像的分辨率
新技术

南洋理工大学（NTU）S-Lab提出了一种新的图像超分辨率（Super-Resolution, SR）技...
2周前 62
多概念图像生成方法LoRACLR：在单一模型中合并多个特定概念（如人物、物体或艺术风格）并生成多概念图像
新技术

近年来，文本到图像定制技术的进步使得个性化图像的高保真、内容丰富的生成成为可...
2周前 52
人体图像动画生成DisPose：从参考图像和驱动视频中生成视频，同时保持人物外观的一致性，并允许对动画进行精确控制
模型

可控的人体图像动画旨在使用驱动视频从参考图像生成视频。为了确保运动对齐，最近...
2周前 52
OLA-VLM：提升多模态大语言模型中的视觉感知能力
新技术

开发当代多模态大语言模型（MLLMs）的标准做法是将视觉编码器的特征输入到大型语言...
2周前 58
多模态大语言模型Lyra：专注于增强多模态能力，特别是高级长语音理解、声音理解、跨模态效率和无缝语音交互
模型

随着多模态大语言模型（MLLMs）的发展，扩展到单一领域之外的能力对于满足更通用和...
2周前 52
文生图模型SnapGen：能够在移动平台上生成高分辨率和高品质的图像
新技术

现有的文本到图像（T2I）扩散模型虽然在生成高质量图像方面表现出色，但面临着几个...
2周前 58
Neural LightRig：从单张图片中准确估计物体的表面法线（normals）和物理基础渲染（PBR）材料
新技术

香港中文大学、上海AI实验室和南洋理工大学的研究人员推出新型框架Neural LightRig...
2周前 62
新型插件式适应方法EasyRef：允许扩散模型根据多个参考图像和文本提示进行条件生成
模型

在个性化生成任务中，扩散模型（Diffusion Models）已经取得了显著的成就。传统的...
2周前 52
没有账号？注册  忘记密码？