综合多模态系统InternLM-XComposer2.5-OmniLive (浦语·灵笔 2.5 OmniLive)：实现实时视频和音频交互
模型

创建能够像人类认知一样长时间与环境互动的AI系统一直是人工智能领域的长期研究目...
2周前 48
FLUX.1 Tools 系列模型FP8量化版本，适合小显存用户使用
模型

黑森林实验室（Black Forest Labs）在上个月发布了 FLUX.1 Tools 系列开源模型，旨...
2周前 52
Track4Gen：用于视频生成的空间感知视频生成器
新技术

Adob​​e 研究中心、韩国科学技术院和伦敦大学学院的研究人员推出Track4Gen，这是一...
2周前 54
文本驱动的风格迁移方法StyleStudio：根据文本提示将特定风格的参考图像与目标内容图像结合起来
新技术

西湖大学 AGI 实验室、复旦大学、南洋理工大学和香港科技大学（广州）的研究人员推...
2周前 58
StreamChat：增强大型多模态模型（LMMs）与流媒体视频内容的交互能力
新技术

香港中文大学、英伟达、上海人工智能实验室、InnoHK和香港理工大学的研究人员推出...
2周前 54
视频风格化方法StyleMaster：能够对视频进行艺术化生成和风格转换
新技术

香港科技大学和快手的研究人员推出视频风格化方法StyleMaster，它能够对视频进行艺...
2周前 54
基于预训练流模型的新型文本驱动图像编辑方法FlowEdit：适用于SD3和Flux模型
新技术

使用预训练的文本到图像（T2I）扩散或流模型编辑真实图像是一项具有挑战性的任务。...
2周前 56
Leffa：通过参考图像生成人物图像，允许对人物的外观或姿势进行精确控制
模型

可控人物图像生成的目标是根据参考图像生成高质量的人物图像，同时允许对人物的外...
2周前 52
强调了结构化注释的使用！用于训练复杂图像-文本模型的大规模数据集LAION-SG
新技术

浙江大学、江南大学、北京大学、阿里巴巴集团和蚂蚁集团的研究人员推出一个用于训...
2周前 54
微信 AI 模式识别中心推出视觉语言模型POINTS1.5系列：提升对真实世界应用的处理能力
模型

微信 AI 模式识别中心推出视觉语言模型POINTS1.5系列，旨在提升对真实世界应用的处...
2周前 54
多视角视频生成新技术SynCamMaster：能够从不同的视点生成同步的、一致性高的动态场景视频
新技术

浙江大学、快手科技、清华大学和香港中文大学的研究人员推出一种用于多视角视频生...
2周前 50
用于组合式文生图新框架GraPE：将复杂的多步生成任务分解为三个独立的步骤
新技术

文本到图像（T2I）生成任务的目标是从文本提示生成逼真的图像。尽管扩散模型在这一...
2周前 42
没有账号？注册  忘记密码？