腾讯发布开源视频生成模型—混元文生视频模型HunyuanVideo
腾讯在今天正式开源了其最新的视频生成模型—混元文生视频模型HunyuanVideo。这款模型不仅在视频生成能力上与业界领先的闭源模型相匹敌，甚至在某些方面表现更为出色。作为一款综合性的框架，Hunyu...
排序
InfiniteZoom-Mochi：基于视频生成模型Mochi的LoRA，专注于无限缩放艺术风格
InfiniteZoom-Mochi是一个视频生成模型Mochi的LoRA，专注于无限缩放艺术风格。无限缩放艺术风格是一种独特的视觉效果，通过不断放大图像的某个部分，创造出一种无限深入的感觉。应用此L...
10款Flux LoRA模型：提升Flux模型生成图像的质量和艺术性
虽然Flux模型非常强大，但大家想要更多风格、更高质量的图像，那么LoRA就非常必要了，通过整合特定的LoRA模型，您可以显著提升Flux模型生成图像的质量和艺术性。今天给大家分享10款LoRA模型，...
Rhymes AI开源图生视频模型Allegro-TI2V：根据用户提供的提示和图像生成视频
Rhymes AI之前开源了视频生成模型Allegro，近期它们又推出了Allegro-TI2V。作为原始Allegro模型的迭代，Allegro-TI2V提供了前所未有的能力，将文本描述和图像转化为...
多模态大语言模型ChatRex：提升对人类姿态的感知和理解能力
IDEA的研究人员推出多模态大语言模型ChatRex，它旨在提升对人类姿态的感知和理解能力。ChatRex通过结合视觉和语言模型，能够执行多种与人体姿态相关任务，包括姿态理解、生成和编辑。这个模型特别...
虚拟脱衣TryOffDiff：使用SD模型进行高保真服装重建的虚拟试穿
比勒费尔德大学 CITEC 机器学习小组提出了一项新颖的任务——虚拟脱衣（Virtual Try-Off, VTOFF），旨在从穿着衣服的单张照片中生成标准化的服装图像。与传统的虚拟试穿（Virtua...
自动T2I生成系统ChatGen：以自由聊天的形式简单描述需求，从而轻松获得高质量的图像
尽管文本到图像（T2I）生成模型在近年来取得了显著进展，用户在实际应用中仍然面临着诸多挑战。制作合适的提示、选择适当的模型和配置特定参数等繁琐步骤的复杂性和不确定性，使得用户不得不通过反复试验来获得满...
半身人体动画生成框架 EchoMimicV2：利用参考图像、音频剪辑和一系列手部姿势来生成高质量的动画视频
随着计算机图形学和人工智能的发展，生成高质量的人类动画变得越来越重要。特别是，当涉及到创建生动、自然的动画时，音频、姿势或运动图等条件的引入大大提升了动画的真实性和表现力。然而，这些增强的方法也带来了...
用于 GUI 自动化的视觉代理模型ShowUI：结合了视觉、语言和行动能力，提高人机交互的效率和生产力
新加坡国立大学和微软的研究人员推出用于 GUI（图形用户界面） 自动化的视觉代理模型ShowUI ，它是一个结合了视觉、语言和行动能力的大模型，旨在提高人机交互的效率和生产力。ShowUI通过理解和执...
Hugging Face发布一个用于设备上推理的2B参数小型多模态模型SmolVLM
近年来，随着机器学习技术的飞速发展，视觉-语言模型（VLM）的需求不断增加。这些模型能够处理图像和文本的组合任务，如图像描述、问答和故事生成等。然而，大多数现有的VLM需要大量的计算资源和内存，这限制...
Stability AI发布适用于Stable Diffusion 3.5 Large的官方ControlNets模型：Blur、Canny和Depth
在Black Forest Labs发布了官方FLUX.1 Tools系列开源模型后，Stability AI也不甘落后，于今天发布了三款官方ControlNets模型：Blur、Canny和Dept...
aiOla发布了集成命名实体识别（NER）和自动语音识别（ASR）的新型模型WhisperNER
语音识别技术在过去几年取得了显著进展，AI的进步大大提高了其可访问性和准确性。然而，该技术仍面临一些挑战，特别是在理解和转录人名、地点和特定术语等口语实体方面。这些挑战不仅在于准确地将语音转换为文本，...