新型实时端到端目标检测系统YOLOv10：快速地识别图像中的多个对象，并且告诉用户这些对象的具体位置
清华大学的研究人员推出新型实时端到端目标检测系统YOLOv10，目标检测是计算机视觉...
谷歌推出CamViG：控制视频生成过程中的相机视角，从而生成具有精确相机运动的视频
Google Research推出CamViG（Camera Aware Image-to-Video Generation），它能够根...
新型图像生成模型Diffusion Mamba（DiM）：通过结合Mamba序列模型的效率和扩散模型的表现力，来高效生成高分辨率的图像
来自香港大学、华为诺亚方舟实验室、清华大学和上海交通大学的研究人员推出新型图...
索尼推出音频-视觉生成模型Visual Echoes：根据一张图片生成与之相对应的音频，或者反过来，根据一段音频生成匹配的图片
索尼推出新型音频-视觉生成模型Visual Echoes，这个模型能够根据一张图片生成与之...
无需训练的个性化定制RectifID：根据用户提供的参考图像定制化地生成新图像，同时保留原始图像中的身份特征
来自北京大学、快手、电子科技大学和浙江大学的研究人员推出新型图像生成技术Recti...
基于图像条件的扩散模型Semantica：根据给定的条件图像（即输入图像）的语义信息生成新的图像
Google Deepmind推出新型图像生成模型Semantica，Semantica的核心特点是它能够在不...
改进图像生成技术DMD2：通过高效的一步生成模型来加速图像生成过程，同时保持或甚至超越原始模型的质量
麻省理工学院和 Adobe 研究中心的研究人员推出DMD2（Distribution Matching Dist...
Face-Adapter：专为预训练扩散模型设计的高效且有效的适配器，用于实现高精度和高保真的面部编辑
来自浙江大学、腾讯、 VIVO和南洋理工大学的研究人员推出Face-Adapter，这是一个专...